减小卷积神经网络 (CNN) 中特征图的大小答案

【问题标题】：Reduce the size of features map in convolution neual network (CNN)减小卷积神经网络 (CNN) 中特征图的大小
【发布时间】：2017-06-14 20:13:38
【问题描述】：

我正在阅读一篇实现 CNN 的论文，但我不明白这句话 我们没有使用最大池化层来减小特征图的大小，而是使用了增加步幅的卷积层。 我不知道这可以如何替代最大池，我缺少什么？

【问题讨论】：

【解决方案1】：

简单地说，CNN 的过滤器通过将过滤器矩阵（例如，为简单起见，如下图所示的 3x3x1）移动到每个可能的位置来工作。这意味着您每次将过滤器向右移动一个，当该行准备好时，您可以向后和向下移动。

在下面的 gif 中，原始图像是虚线，过滤器是灰色的东西，结果是绿色图像：

但是，您也可以每次移动 2。就像您只是对结果进行二次抽样一样。如果您以 2 的步幅移动，则将特征图尺寸除以 2（两者）。这意味着您的特征图只有原始大小的 1/4。这与池化减少特征图大小的方式完全相同。事实上，卷积过滤器可以学习平均池化和最大池化。

【讨论】：

好吧，但是你所说的卷积过滤器是什么意思，可以学习平均池化和最大池化。？
@AhmedMohamed 最大池化有点复杂，但平均池化很简单：如果一个 3x3x1 过滤器的所有权重都设置为 1/9，并且激活函数是恒等式，那么这就是平均池化.