machine-learning - 为什么最大池化层不会破坏 CNN 解决回归问题的性能？

Question

当我想到最大池化层时，我会想到它会检测其感受野中任何位置的特征，但与位置无关。

看来最大池化的空间不变性应该意味着它会丢失有关原始图像中特征的确切位置的信息。

那么，具有多层最大池化的 CNN 如何准确预测图像中对象的边界框？快速谷歌显示了许多 CNN 的示例，建议使用最大池化来解决边界框回归问题。

感谢您的帮助。

Answer 1

因为您认为它会丢失有关确切位置的信息的假设是错误的。最大池化不会稀释最大像素的位置 - 而是将其视为缩小尺寸的一种方式。最大池只是降低问题维度的一种方法，以便您的问题适合设备内存。一个很好的侧面属性是它汇集了特征图中最强的激活。

在 bbox 预测的情况下，它还减少了 bbox 的建议区域数量。稍后在非最大抑制步骤中将杀死所有冗余的建议 bbox 位置。