膳绫擎说到的 20 个 local 特点和 1 个 global 特点，采取的是直接归并相加的方法，当然我们还可以把这 20 个 local 特点相加后再跟剩下的那一个 global 特点串接起来。实际实验的时刻，发明串接起来的方法比前一种方法有 2%-3% 的晋升。在范围 100 万的图库上测试，RMAC pooling 可以或许取得不错的效不雅，跟 Crow pooling 比拟，两者差别不大年夜。

膳绫擎总结了 6 中不合的 pooling 方法，当然还有很多的 pooling 方法没涵盖不到，在实际应用的时刻，笔者比较推荐采取 RMAC pooling 和 CROW pooling 的方法，主如果这两种 pooling 方法效不雅比较好，计算复杂度也比较低。

本文转自雷锋网，如需转载请至雷锋网官网申请授权。

【编辑推荐】

1. 卷积神经收集不克不及处理“图”构造数据？这篇文┞仿告诉你谜底
2. 长文解密卷积神经收集体系构造
3. 技巧干货|如安在微办事架构下构建高效的运维治理平台？
4. App 组件化/模块化之路——构建开辟架构思路
5. 卷积神经收集不克不及处理“图”构造数据？这篇文┞仿告诉你谜底

【义务编辑：张子龙 TEL：（010）68476606】

　　推荐阅读

　　揭秘亚马逊玩转仓储分拣技术，智能系统基于大数据

7月11日，亚马逊全球第三届会员日(PrimeDay)正式开启，中国Prime会员初次介入个中，这意味着亚马逊须要调动全球仓储物流的资本，包管中国会员在最短的时光收到海外直邮的担保。 “每次>>>详细阅读

本文标题：CNN中的maxpool到底是什么原理？

地址：http://www.17bianji.com/lsqh/36193.html

 1/2    1