Шари Підвибірки

Призначення пулінгу

Пулінгові шари відіграють важливу роль у згорткових нейронних мережах (CNN), зменшуючи просторові розміри карт ознак при збереженні основної інформації. Це допомагає у:

• Зменшенні розмірності: зниження обчислювальної складності та використання пам'яті;
• Збереженні ознак: утримання найбільш релевантних деталей для наступних шарів;
• Запобіганні перенавчанню: зменшення ризику захоплення шуму та неважливих деталей;
• Трансляційній інваріантності: підвищення стійкості мережі до змін положення об'єктів на зображенні.

Типи пулінгу

Пулінгові шари працюють шляхом застосування невеликого вікна до карт ознак і агрегування значень різними способами. Основні типи пулінгу включають:

Max Pooling

• Вибирає максимальне значення з вікна;
• Зберігає домінуючі ознаки, відкидаючи незначні варіації;
• Часто використовується завдяки здатності зберігати чіткі та виражені краї.

Average Pooling

• Обчислює середнє значення у межах вікна;
• Забезпечує більш згладжену карту ознак шляхом зменшення крайніх варіацій;
• Використовується рідше, ніж max pooling, але корисний у деяких задачах, наприклад, для локалізації об'єктів.

Глобальний пулінг

• Замість використання малого вікна, виконується пулінг по всій карті ознак;
• Існує два типи глобального пулінгу:
  • Глобальний максимальний пулінг: обирає максимальне значення по всій карті ознак;
  • Глобальний середній пулінг: обчислює середнє всіх значень на карті ознак.
• Часто використовується у повністю згорткових мережах для задач класифікації.

Переваги пулінгу в згорткових нейронних мережах (CNN)

Пулінг підвищує ефективність CNN кількома способами:

• Трансляційна інваріантність: невеликі зсуви на зображенні не призводять до значних змін виходу, оскільки пулінг зосереджується на найбільш значущих ознаках;
• Зменшення перенавчання: спрощує карти ознак, запобігаючи надмірному запам'ятовуванню навчальних даних;
• Підвищення обчислювальної ефективності: зменшення розміру карт ознак прискорює обробку та знижує вимоги до пам'яті.

Пулінгові шари є фундаментальним компонентом архітектур CNN, забезпечуючи вилучення значущої інформації при збереженні ефективності та здатності до узагальнення.