池化层的本质思想及其过程

池化层的由来

在深度神经网络中池化层非常普遍，而在传统的神经网络中却很少见，原因是传统的神经网络的输入特征很少，不是太多，深度学习中特别是图像领域输入特征非常多，所以在卷积过程中有必要把主要的特征抽取出来，这就是池化层的由来。

由上图可以看到，每次图片经过池化层之后，有些特征变的突出，而有些特征进行了弱化。所以通过池化层可以通过图像的突出特征定位图像的位置，而不用管具体细节。

池化层的主要分类和作用

• 最大池化
  作用是突出重点位置。
  

  
  
  
  

• 平均池化
  作用是捕捉背景特征。
  

  
  
  
  

• 池化层的作用

  • 抽取后的参数更少，相当于降维操作。

  • 把明显特征抽取出来。

    
    

总结

• 输入大小：
• 需要2个超参数：
  • 池化层边长
  • 步长
• 输出大小：
• 参数个数为0
• 不用零填充