Network in Network----Global Average Pooling

一、结构

每个特征图一整张图片进行全局均值池化，每张特征图得到一个输出，对应于一个输出类别。例如 CIFAR-100分类任务，可直接将最后一层 Mlpconv 输出通道设为100，对每个 Feature Map 进行全局平均池化得到100维的输出向量。

二、作用

1.GAP不需要参数，但全连接层需要大量参数。

2.GAP因为参数少，因此能减少过拟合

3.GAP汇总空间信息，能更好的适应空间变换

转载于:https://www.cnblogs.com/mimandehuanxue/p/8993838.html

Network in Network----Global Average Pooling相关推荐

深度学习方法（十）：卷积神经网络结构变化——Maxout Networks，Network In Network，Global Average Pooling
欢迎转载,转载请注明:本文出自Bin的专栏blog.csdn.net/xbinworld. 技术交流QQ群:433250724,欢迎对算法.技术感兴趣的同学加入. 最近接下来几篇博文会回到神经网络结构 ...
Global Average Pooling对全连接层的可替代性分析（转）
版权声明:本文为williamyi原创,未经许可禁止转载或直接挪作他用! https://blog.csdn.net/williamyi96/article/details/77530995 在NIN ...
Global Average Pooling
CNN的变种有很多,除了CNN进化史上经典的那几种Net,还有一些网络根据实际问题的不同需求,对其中某些Layer进行修改. 本文的问题源于一篇关于肺部CT的CNN的文章(Shuo Wang, et ...
Global Average Pooling全局平均池化的一点理解
Traditional Pooling Methods 要想真正的理解Global Average Pooling,首先要了解深度网络中常见的pooling方式,以及全连接层. 众所周知CNN网络中常 ...
Global average Pooling解析
这个概念出自于 network in network 主要是用来解决全连接的问题,其主要是是将最后一层的特征图进行整张图的一个均值池化,形成一个特征点,将这些特征点组成最后的特征向量,进行softma ...
Global Average Pooling对全连接层的可替代性分析
Global Average Pooling对全连接层的可替代性分析原创 2017年08月24日 15:54:22
深度学习基础系列| Global Average Pooling是否可以替代全连接层？
Global Average Pooling(简称GAP,全局池化层)技术最早提出是在这篇论文(第3.2节)中,被认为是可以替代全连接层的一种新技术.在keras发布的经典模型中,可以看到不少模型甚至 ...
Global Average Pooling与FC、Global Max Pooling的比较
原文 Global Average Pooling(简称GAP,全局池化层)技术最早提出是在这篇论文(第3.2节)中,被认为是可以替代全连接层的一种新技术.在keras发布的经典模型中,可以看到不少模 ...
全局平均池化（Global Average Pooling）
出处:Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 定义:将特征图所有像素值相加 ...
Global Average Pooling、Global Max Pooling
https://www.zhihu.com/question/358913301 https://blog.csdn.net/qq_16234613/article/details/79520929 ...

Network in Network----Global Average Pooling

Network in Network----Global Average Pooling相关推荐

最新文章

热门文章