其他分享
首页 > 其他分享> > CV第五课 Convolutional Neural Networks 下

CV第五课 Convolutional Neural Networks 下

作者:互联网

1. 池化层 pooling    特征降维,减少过拟合

  1) pooling的目的是 使得每一层smaller and more manageable , 这是为了有更少的参数数量,来表示输入的这张图

  2) 池化操作 只在平面上(actication map)操作,不在depth上操作,所以depth 不变

  3) 它降低了采样率

 

 

 

2. max pooling 

 操作: 将 4*4 -> 2*2,我们用一个 2*2的filter,stride也为2 , 取其最大值。

 优势: max pooling 比 average pooling 更能找到信息(最显著的值)

 

  Width Height depth

 

 3.

 

标签:Convolutional,actication,smaller,Neural,max,pooling,depth,操作,Networks
来源: https://www.cnblogs.com/ChevisZhang/p/12924558.html