什麼是池化？

池化的意義在於特徵降維，池化技術大大降低了對於計算資源的損耗，除此以外還有降低模型過擬合的優點。池化的思想來源於影象特徵聚合統計，通俗理解就是池化雖然會使得影象變得模糊但不影響影象的辨認跟位置判斷；池化還有一個優點就是平移不變性，即如果物體在影象中發生一個較小的平移（不超過感受野），那麼這樣的位移並不會影像池化的效果，從而不會對模型的特徵圖提取發生影響。

常用的池化方式有3種：最大池化（max pooling）、均值池化（mean pooling）和全域性最大池化。

a） 最大池化計算pooling視窗內的最大值，並將這個最大值作為該位置的值；

b） 平均池化計算pooling視窗內的平均值，並將這個值作為該位置的值；

c） 全域性最大（平均）池化是計算整個特徵圖內的最大值（平均值）。

使用池化不會造成資料矩陣深度的改變，只會在高度和寬頻上降低，達到降維的目的。3種池化方式描述如圖（pooling視窗為2×2）。 其中平均池化能夠很好的保留整體資料的特徵，能突出背景資訊；最大池化能更好的保留紋理上的特徵。

池化方式