为什么在网络的最后用average pooling layer 代替FC

Global Average Pooling一般用于放在网络的最后，用于替换全连接FC层，为什么要替换FC？

因为在使用中，例如alexnet和vgg网络都在卷积和softmax之间串联了fc层，发现有一些缺点：

（1）参数量极大，有时候一个网络超过80~90%的参数量在最后的几层FC层中；
（2）容易过拟合，很多CNN网络的过拟合主要来自于最后的fc层，因为参数太多，却没有合适的regularizer；过拟合导致模型的泛化能力变弱；
（3）实际应用中非常重要的一点，paper中并没有提到：FC要求输入输出是fix的，也就是说图像必须按照给定大小，而实际中，图像有大有小，fc就很不方便；

作者提出了Global Average Pooling，做法很简单，是对每一个单独的feature map取全局average。要求输出的nodes和分类category数量一致，这样后面就可以直接接softmax了。

                          

作者指出，Global Average Pooling的好处有：

• 因为强行要求最后的feature map数量等于category数量，因此feature map就会被解析为categories confidence maps.
• 没有参数，所以不会过拟合；
• 对一个平面的计算，使得利用了空间信息，对于图像在空间中变化更鲁棒；