更新时间:2025-06-09 12:49:16作者:贝语网校
Pooling是一种在计算机视觉和深度学习中常见的操作,特别是在卷积神经网络(CNN)中。Pooling是一种下采样技术,用于减小输入特征图的大小,同时保持或增加空间分辨率。它通常用于减少特征图的通道数量和空间维度,同时保留一些重要的特征信息。Pooling操作有多种类型,如最大池化(Max Pooling)、平均池化(Average Pooling)等。最大池化通过在每个池化单元中选择最大值来提取特征,而平均池化则通过计算所有值的平均值来提取特征。
1. max pooling:最大池化
2. avg pooling:平均池化
3. max-avg pooling:最大平均池化
4. spatial pooling:空间池化
5. feature pooling:特征池化
6. feature-wise pooling:特征无关池化
7. channel pooling:通道池化
8. spatial-temporal pooling:时空池化
9. global pooling:全局池化