减少神经网络特征图的空间维度

Question

给定一个维度为 MxNxC 的特征图（例如，来自 Faster-RCNN 的预测感兴趣区域的输出），如何将 空间 维度减少到 1x1xC ? IE。将特征图简化为概括区域特征的向量量？

我知道 1x1 卷积，但这似乎与 通道缩减 情况有关。 Average 和 Max Pooling 也很常用，但似乎这些方法更适合不太极端的子采样情况。

显然，人们可以简单地计算空间维度上的平均值，但这似乎相当粗糙。

Answer 1

我推荐使用全局平均池化层。你有 MxNxC 特征图。每个特征图的全局平均池计算平均值。所以特征图变成了一个数字，一组特征图变成了向量。

我推荐这篇文章作为探索全局平均池化层的起点。

https://alexisbcook.github.io/2017/global-average-pooling-layers-for-object-localization/