卷积神经网络pooling层有什么用

拼命紾惜 3个月前 已收到1个回答 举报

最近你好萌 4星

共回答了46个问题采纳率:96.2% 评论

pooling 理论在于,图像中相邻位置的像素是相关的。

对一幅图像每隔一行采样,得到的结果依然能看。经过一层卷积以后,输入的图像尺寸变化不大,只是缩小了卷积核-1。根据相邻数据的相关性,在每个nxn区域内,一般2x2,用一个数代表原来的4个数,这样能把数据缩小4倍,同时又不会损失太多信息。一副24*24的图像。用5*5卷积核卷积,结果是20*20(四周各-2),经过2*2池化,变成10*10. 通过池化,数据规模进一步缩小,训练所需时间从而降低。

21小时前

44
可能相似的问题

猜你喜欢的问题

热门问题推荐

Copyright © 2024 微短问答 All rights reserved. 粤ICP备2021119249号 站务邮箱 959505@qq.com