计算机视觉面试考点（10）池化

计算机视觉工程师在面试过程中主要考察三个内容：图像处理、机器学习、深度学习。然而，各类资料纷繁复杂，或是简单的知识点罗列，或是有着详细数学推导令人望而生畏的大部头。为了督促自己学习，也为了方便后人，决心将常考必会的知识点以通俗易懂的方式设立专栏进行讲解，努力做到长期更新。此专栏不求甚解，只追求应付一般面试。希望该专栏羽翼渐丰之日，可以为大家免去寻找资料的劳累。每篇介绍一个知识点，没有先后顺序。想了解什么知识点可以私信或者评论，如果重要而且恰巧我也能学会，会尽快更新。最后，每一个知识点我会参考很多资料。考虑到简洁性，就不引用了。如有冒犯之处，联系我进行删除或者补加引用。在此先提前致歉了！

池化 pooling
卷积神经网络中的一层，池化层
最直观的作用是降低feature map的维度

两种常用池化

最大池化 max pooling

平均池化 mean pooling

最大池化选取最突出的特征，对于纹理信息敏感
平均池化关注数据整体，对背景信息敏感
最大池化用的多，两者也可以交替使用

池化的作用

• 降低feature map维度，降低参数量和计算量
• 减少了参数量通常缓解了过拟合
• 在一定程度上增强了对目标空间位置变化的鲁棒性（平移不变性）
• 增加了每个像素的感受野，比如经过上面的2*2的池化，每一个像素对应了上一层的4个像素
• 池化也是网络非线性的体现