降采樣層和池化層的關系

一、總結

一句話總結：

池化層可以理解為下采樣層（降采樣層），就是一個東西，兩個名字而已。

 

1、池化層作用？

①、降維，減少網絡要學習的參數數量。

②、防止過擬合。

③、可以擴大感知野。

④、可以實現不變性:平移不變性,旋轉不變性,尺度不變性。

 

 

二、下采樣層和池化層的關系及其作用

轉自或參考：下采樣層和池化層的關系及其作用
http://blog.csdn.net/qq_41621362/article/details/88766768

就我目前看到的資料來說，他們的作用似乎沒有差別，在這個方面來說池化層可以理解為下采樣層，就是一個東西，兩個名字而已。

下面就他們在CNN中的位置、方法和作用作簡要的說明。

位置

池化或子采樣層通常緊跟在CNN中的卷積層之后。

常用方法

1. 最大值池化（max-pooling）：對鄰域內特征點取最大值。
2. 平均值池化（mean-pooling）：對鄰域內特征點求平均。

作用

1. 降維，減少網絡要學習的參數數量。
2. 防止過擬合。
3. 可以擴大感知野。
4. 可以實現不變性:平移不變性,旋轉不變性,尺度不變性。