Pooling

池化的本质是采样。 pooling的输入是卷积核后得到的feature map，然后选择某种方式对其进行压缩。如图，就是对feature map2*2领域内的值，选择最大值输出到下一层，称作max pooling。对于一个2N*2N的feature map被压缩到了N*N。

当然还有Mean-Pooling和stochastic-Pooling.

Pooling的意义：

1. 减少参数，通过对feature map降维，有效减少后续层需要的参数

2. translation invariance。对于输入，当其中像素在领域发生微小位移时，pooling layer的输出是不变的，这样网络的robust增强，有一定抗扰动的作用。