泛化最大与平均池化方法的比较
计算机视觉与模式识别
2021-03-03 v1 机器学习
摘要
最大池化与平均池化是卷积神经网络中用于下采样的最流行池化方法。本文中，我们比较了泛化最大与平均池化的不同池化方法。此外，我们提出另一种基于最大值函数平滑近似的方法，并将其与相关方法相联系。为进行比较，我们使用 VGG16 图像分类网络，并在大型自然高分辨率图像数据集（Google Open Images v5）上训练。结果表明，在该分类任务中，这些更复杂的方法无一显著优于标准最大或平均池化。
引用
@article{arxiv.2103.01746,
title = {Comparison of Methods Generalizing Max- and Average-Pooling},
author = {Florentin Bieder and Robin Sandkühler and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2103.01746},
year = {2021}
}
备注
16 pages, 6 figures