这是一个最大池化的 ...

　　实验手册有云： 　　前向传播时，输出特征图Y中某一位置的值的输入特征图X对应池化窗口的最大值。计算公式为　　 　　如何理解？ 　　输出中，n表示特征图号，c是通道号，h是行号，w是列号，kh∈[1,K],kw∈[1,K]，k是池化窗口的长、宽大小。 　　上网查询，很容易 ...

平均池化（avgpooling）可以保留背景信息。在feature map上以窗口的形式进行滑动（类似卷积的窗口滑动），操作为取窗口内的平均值作为结果，经过操作后， feature map降采样，减少了过拟合现象。前向传播就是把一个patch中的值求取平均来做pooling ...

降低图像的维度。 平均池化定义： 二. 将输入图像用4*4网格做平均池化 ...

分数阶最大值池化：就是输入和输出的维度比例可能不是整数，通常我们max pooling按kernel=(2, 2)，stride=2或kernel=(3,3),stride=2,比例大小是2，作者提出比例为分数的做法，下面描述比例属于(1,2)时的办法，其他的类似。 设(Nin,Nin ...

　　这个过去也实现过，不过现在回头看，当时写的还真是糟糕，所以现在决定用matlab重写了。而且当时的方法现在来看还真是不怎么样呢。 　　这里用的方法是《特征提取与图像处理》3.3.4里的。 　　下面是代码： 效果： 原图 二值化后 ...

1、池化层的作用 在卷积神经网络中，卷积层之间往往会加上一个池化层。池化层可以非常有效地缩小参数矩阵的尺寸，从而减少最后全连层中的参数数量。使用池化层即可以加快计算速度也有防止过拟合的作用。 2、为什么max pooling要更常用？ 通常来讲，max-pooling的效果更好 ...

1、卷积 当从一个大尺寸图像中随机选取一小块，比如说 8x8 作为样本，并且从这个小块样本中学习到了一些特征，这时我们可以把从这个 8x8 样本中学习到的特征作为探测器，应用到这个图像的任意地方中去。特别是，我们可以用从 8x8 样本中所学习到的特征跟原本 ...