深度学习-卷积神经网络池化到图像压缩解压的假想

这是博主的第二篇博文，经验非常有限，所以写的水平很低，下面是我学习卷积神经网络中的一些见解。本人未学习到机器视觉与图像有关的任何知识，只是从池化中假想到一种图片压缩方法。如果假想中的图像内容与知识正确，那么将无比幸运。本文除了两幅图片摘抄，其余都是原创，由于属于假想，未经过证实，不得转载。

好了，废话不多说。我们从池化中开始讲，

池化层：对输入的特征图进行压缩，一方面使特征图变小，简化网络计算复杂度；一方面进行特征压缩，提取主要特征，如下：

从黑色图224x224池化到112x112中发现像素变低，现在假想一张图片由一个mxn阶矩阵组成，每个元素0~9，假设0是白色，9是黑色，1-8是各种颜色，那么一张图片由很多个颜色凑成，也就是说mxn矩阵里的元素全为0时就是一张白纸，全为9时就是一张墨纸，矩阵中元素错杂交乱的混合时就是一张色彩图片。

好了我们来讲讲压缩

池化有两种：最大池化和平均池化。上图是最大池化，很简单，就是把矩阵等分平均分，然后选出最大的作为最终池化结果。平均池化不言而喻就是求等份小矩阵中的平均值，例如上图平均池化的结果应该是3.25 5.25 2 1.75。

先就最大池化法来假想图像压缩，一张图片看做由4x4矩阵，最大池化后得上图的6 8 3 4，储存量减小图片大小变成1/4，属于压缩，那么我解压后这些数值该怎么办？假想解决：对于红色2x2块，由于最大是6，我压缩后不知道其余3块是多少，数值是0-6的可能，有可能6 6 6 6 ，也可能0 0 0 6，还有1  1 1 6， 1 2 3 6，5 5 5 6等等，为了让误差最可能小，选出中间值3，,令其为3 3 3 6，使得各种可能值里误差最小，颜色不会偏的很大，所以居中是最好的方法；同理，绿色2x2中，8最大，选4 4 4 8作为解压的结果最好，黄色那块1.5 1.5 1.5 3，蓝色那块为2 2 2 4，最终得到压缩后又解压的结果为下图A

平均池化后是3.25 5.25 2 1.75 ，所以解压后为下图B

如果需要比较哪个解压得到的图片更好，我觉得把A再平均化得到A2

貌似两种解压都各有千秋，但是不知道实际效果怎样。

所以以上就是我从池化到图像压缩和解压的假想。