CNN网络中pooling层的作用

转载自：https://www.zhihu.com/question/36686900，谢志宁 本文只做个人记录学习使用，版权归原作者所有。

个人觉得主要是两个作用：

1.invariance(不变性)，这种不变性包括translation（平移），rotation（旋转），scale（尺度）

2.保留主要特征同时减少参数（降维，效果类似PCA）和计算量，防止过拟合，提高模型的泛化能力

(1)translation invariance:

这里举一个简单的例子（数字识别），假设有一个16x16的图片，里面有一个数字1，我们需要识别出来，这个数字1可能写得偏左一点（图1 ），也有可能偏右一点（图2），图1到图2相当于往右平移了1个单位，但是图1和图2经过max-pooling之后都变成了相同的8x8特征矩阵，主要的特征我们捕获到了，同时又将问题的规模从16x16降到了8x8，而且具有平移不变性的特点。图中的a（或b）表示，在原始图片中的这些a或b的位置，最终都会映射到相同的位置。

（2）rotation invariance;

下图表示汉字“一”的识别，第一张相较于x轴又倾斜角，第二张是平行于x轴，两张图片相当于做了旋转，经过多次max-pooling后具有相同的特征

（3）scale invariance:

下图表示数字“0”的识别，第一张的“0”比较大，第二张的“0”比较小，相当于做了缩放，同样地，经过多次max pooling后具有相同的特征