Image 最大池与总和池_Image_Image Processing_Machine Learning_Neural Network_Deep Learning

Image 最大池与总和池

image image-processing machine-learning neural-network deep-learning

Image 最大池与总和池,image,image-processing,machine-learning,neural-network,deep-learning,Image,Image Processing,Machine Learning,Neural Network,Deep Learning,阅读以下内容后，我已部分了解Max pooling： CNN的另一个重要概念是最大池，这是一种非线性下采样。最大池将输入映像划分为一组不重叠的矩形，对于每个这样的子区域，输出最大值那么资金池呢？我找不到任何易于理解的文章。卷积神经网络在处理高维数据方面做得很好。由于图像或声音的不变性，仅将权重数量限制为核权重使学习更容易。但是，如果仔细观察正在发生的事情，您可能会注意到，如果您不使用池之类的技巧，在第一个卷积层之后，数据的维度可能会严重增加 Max pooling只需从卷积层的固定区域获

阅读以下内容后，我已部分了解Max pooling：

CNN的另一个重要概念是最大池，这是一种非线性下采样。最大池将输入映像划分为一组不重叠的矩形，对于每个这样的子区域，输出最大值

那么资金池呢？我找不到任何易于理解的文章。

卷积神经网络在处理高维数据方面做得很好。由于图像或声音的不变性，仅将权重数量限制为核权重使学习更容易。但是，如果仔细观察正在发生的事情，您可能会注意到，如果您不使用池之类的技巧，在第一个卷积层之后，数据的维度可能会严重增加
Max pooling只需从卷积层的固定区域获取最大输入，即可降低数据的维数总和池的工作方式与之类似——采用输入的总和而不是最大值
这些方法在概念上的区别在于它们能够捕捉到的不变性最大池化对池化区域中某些模式的存在非常敏感总和池（与平均池成比例）测量给定区域中存在模式的平均值
更新：

总和池/平均池的子区域设置与最大池的子区域设置完全相同，但不是使用您使用的总和/平均池功能。您可以阅读关于池的段落。
谢谢您的回答！但是,有些事情还不清楚,；在最大池中，我们选择具有最大值的子区域。在总和池中，我们如何选择要选择的子区域？或者在这种情况下没有子区域？有子区域-它们的设置方式与最大池情况下完全相同。我更新了我的答案。哦，玛辛，太棒了！我知道知道了，请检查：在您提供的链接中的General pooling部分的右侧示例中，我们为左上分区保留6，因为这是最大值。对于总和池，我们将保留（1+1+5+6=）13，对吗？