池化 Pooling

池化即空间池化，是卷积神经网络中用于提取特征的一种方法，通过对不同特征进行聚合统计处理以获得相对更低的维度，同时避免出现过拟合现象。

池化在降低各个特征图维度的同时保留大部分重要信息，目前主要有最大化、平均化、加和等方式。

常见的池化操作

最常见的池化操作有平均池化 (mean pooling) 和最大值池化 (max pooling) 两种。

• 平均池化：计算图像区域的平均值，并以此作为该区域池化后的值。
• 最大值池化：选取图像区域的最大值，并以此作为该区域池化后的值。

定义一个空间邻域，并从修正特征图中取出最大的元素，也可以取平均值。

池化的作用

池化函数可以逐渐降低输入表示的空间尺度：

• 降低特征维度，网络中的参数和计算的数量更加可控的降低；
• 使网络对于输入图像中更小的变化、冗余和变换变得不变性；
• 协助获取图像最大程度上的尺度不变性。