CNN中各种池化操作的简单总结

1. 最大池化max pooling

最大池化即为对领域内特征点求最大值，优点为可以很好地保留图像的细节特征。

2. 平均池化average pooling

平均池化即为对领域内的特征点求平均，能够很好地保留背景信息，但容易使得图片变模糊，即无法很好地保留图像的全局信息。

3. 随机池化stochastic pooling（使用较少）

随机池化通过对像素点按照数值大小赋予概率（数值越大则概率越大），再按照概率进行亚采样，概率越大则越容易被采样到，避免最大池化总是取最大值。并且在平均意义上，与平均池化近似；在局部意义上，则服从最大池化的准则。

4. 全局池化global pooling

全局池化用于解决全连接问题，其主要是将最后一层的特征图进行整张图的一个均值池化，形成一个特征点，将这些特征点组成最后的特征向量然后再连接到softmax中进行计算。

优缺点：可以大幅度减少网络参数（对于分类网络，全连接的参数占了很大比例），同时理所当然的减少了过拟合现象。并且其赋予了输出特征图每个通道的类别意义，剔除了全连接黑箱操作，但它可能会导致收敛速度过慢。