全局平均池化(Golbal Average Pooling)


在卷積特征之上有消除全連接層的趨勢。最有力的例子是全局平均池化(global average pooling),它已被應用於最先進的圖像分類模型中。

 

提出:Lin, M., Chen, Q., & Yan, S. (2013). Network in network. arXiv preprint arXiv:1312.4400.

定義:為每個類別分配一個特征圖,將特征圖所有像素值相加求平局,得到一個數值,即用該數值表示對應特征圖。作為后續softmax層的輸入。

目的:替代全連接層。

效果:減少參數數量,減少計算量,減少過擬合。

思路:如下圖所示。假設最終分成10類,則最后卷積層應該包含10個濾波器(即輸出10個特征圖),然后按照全局池化平均定義,分別對每個特征圖,累加所有像素值並求平均,最后得到10個數值,將這10個數值輸入到softmax層中,得到10個概率值,即這張圖片屬於每個類別的概率值。

 

 

 

 

https://blog.csdn.net/u012911202/article/details/87099559


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM