풀링은 공간 풀링이라고도 하며, 합성곱 신경망에서 특징을 추출하는 데 사용되는 방법입니다. 이는 과도한 적합을 피하면서 상대적으로 낮은 차원을 얻기 위해 다양한 특성을 집계하고 통계적으로 처리합니다.

풀링은 대부분의 중요한 정보를 유지하면서 각 피처 맵의 크기를 줄입니다. 현재는 최대화, 평균화, 합산이 주로 사용됩니다.

일반적인 풀링 작업

가장 일반적인 풀링 연산은 평균 풀링과 최대 풀링입니다.

• 평균 풀링:이미지 영역의 평균값을 계산하여 이를 영역의 풀링된 값으로 사용합니다.
• 최대 풀링:이미지 영역의 최대값을 선택하여 해당 영역의 풀링된 값으로 사용합니다.

공간적 이웃을 정의하고 수정된 피처 맵에서 가장 큰 요소를 가져오거나 평균을 구합니다.

풀링의 역할

풀링 기능은 입력 표현의 공간적 규모를 점진적으로 줄일 수 있습니다.

• 특징의 차원을 줄이면 네트워크의 매개변수와 계산의 수를 보다 제어 가능한 방식으로 줄일 수 있습니다.
• 입력 이미지의 작은 변경, 중복 및 변환에 대해 네트워크를 불변하게 만듭니다.
• 이미지의 최대 스케일 불변성을 얻는 데 도움이 됩니다.