为什么最大值池化比均值池化好(更常用)?

  统计/机器学习 人工神经网络    浏览次数:154        分享
0

为什么最大值池化比均值池化好(更常用)?

 

ljljlj   2019-08-12 14:04



   1个回答 
0

因为图像识别的过程通常是靠边缘才能识别图像和物体,max pooling通常能够尽量保存边缘,而mean pooling用到了窗口内的所有像素,相当于是进行了模糊处理。

但是也不是只使用max pooling,只是更常见。

SofaSofa数据科学社区DS面试题库 DS面经

houherui   2019-09-09 11:01



  相关主题

反向传播(BP)神经网络和前馈神经网络是一回事吗   1回答

BP神经网络的疑问   1回答

常提到的LeNet是什么意思?   2回答

为什么神经网络模型需要大量的样本?   1回答

什么叫成本函数?它的作用是什么?   1回答

pytorch里的new_ones有什么用?   2回答

pytorch里view(-1, 1)什么意思?   1回答

logit函数和sigmoid函数是什么关系?   2回答

如何理解神经网络的Universal approximation theorem?   1回答

图像分割的深度学习训练,把数据库格式从jpg改成png之后报错如图,求解。   1回答

感知机和逻辑回归的关系   2回答

关于神经网络的性能   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!