深度学习: global pooling (全局池化)

今天看SPPNet论文时，看到“global pooling”一词，不是很明白是啥概念。上网查了一下定义，在StackOverflow 上找到了答案：

这里写图片描述

具体回答如下：

这里写图片描述

说白了，“global pooling”就是pooling的 滑窗size 和整张feature map的size一样大。这样，每个 W×H×CW×H×CW\times H\times C 的feature map输入就会被转化为 1×1×C1×1×C1\times 1\times C 输出。因此，其实也等同于每个位置权重都为 1/(W×H)1/(W×H)1 / (W\times H) 的FC层操作。

等同于输入一个tensor，输出一根vector。

“global pooling”在滑窗内的具体pooling方法可以是任意的，所以就会被细分为“global avg pooling”、“global max pooling”等。

由于传统的pooling太过粗暴，操作复杂，目前业界已经逐渐放弃了对pooling的使用。替代方案 如下：

• 采用 Global Pooling 以简化计算；
• 增大conv的 stride 以免去附加的pooling操作。

[1] What does global pooling do? [2] Global average Pooling