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
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
2
0- 0
已为社区贡献3条内容
所有评论(0)