最大池层与具有跨度性能的卷积

Posted 2023-02-16

【中文标题】最大池层与具有跨度性能的卷积

【英文标题】：Max pool layer vs Convolution with stride performance

【发布时间】：2017-11-23 18:49:57

【问题描述】：

在大多数架构中，conv 层之后是池化层（max / avg 等）。由于这些池化层只是选择前一层的输出（即 conv），我们是否可以只使用步长为 2 的卷积并期望在减少处理需求的情况下获得相似的精度结果？

【问题讨论】：

是的，我已经尝试过 vgg19 网络，它可以工作

【参考方案1】：

是的，可以做到。它在论文'Striving for simplicity: The all convolutional net'https://arxiv.org/pdf/1412.6806.pdf 中有解释。引用论文：

'我们发现 max-pooling 可以简单地替换为卷积 在几个图像上增加步幅而不损失精度的层 识别基准”

【讨论】：

感谢您的回复。那么，为什么行业一直在使用最大池？

谷歌最近发表的论文“MobileNets: Efficient Convolutional networks”没有在 CNN 层中使用池化（它在 FC 之前的末尾有一个）。与加速相比，增益可能可以忽略不计。