深度学习 Global average pooling (GAP) 全局平均池化
Global average pooling 之前如何分类cnn中通常在最后分类时，最后用全连接层接softmax激活函数进行分类。最后一层卷积通过卷积得到全连接的输入最后一层的卷积得到的feature map为(channels_in, h,w)，通过一个卷积核(channels,h,w)，得到一个神经元即(1,1,1)。若全连接层的输入要求有1024个神经元，则需要1024个卷积核。存在的问题
·
Global average pooling 之前
如何分类
cnn中通常在最后分类时，最后用全连接层接softmax激活函数进行分类。
最后一层卷积通过卷积得到全连接的输入最后一层的卷积得到的feature map为(channels_in, h,w)，通过一个卷积核(channels,h,w)，得到一个神经元即(1,1,1)。若全连接层的输入要求有1024个神经元，则需要1024个卷积核。
存在的问题
全连接参数量过大，降低了训练的速度，且很容易过拟合
Global average pooling
把最后一层得到的feature map直接分类
效果
对整个网路在结构上做正则化防止过拟合，分类效果更好
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
2
0- 0
已为社区贡献2条内容
所有评论(0)