卷積神經網絡池化層和卷積層作用

鏈接：https://www.zhihu.com/question/36686900/answer/130890492

個人覺得主要是兩個作用：
1. invariance(不變性)，這種不變性包括translation(平移)，rotation(旋轉)，scale(尺度)
2. 保留主要的特徵同時減少參數(降維，效果類似PCA)和計算量，防止過擬合，提高模型泛化能力

(1) translation invariance：
這裏舉一個直觀的例子(數字識別)，假設有一個16x16的圖片，裏面有個數字1，我們需要識別出來，這個數字1可能寫的偏左一點(圖1)，這個數字1可能偏右一點(圖2)，圖1到圖2相當於向右平移了一個單位，但是圖1和圖2經過max pooling之後它們都變成了相同的8x8特徵矩陣，主要的特徵我們捕獲到了，同時又將問題的規模從16x16降到了8x8，而且具有平移不變性的特點。圖中的a（或b）表示，在原始圖片中的這些a（或b）位置，最終都會映射到相同的位置。

 rotation invariance：

下圖表示漢字“一”的識別，第一張相對於x軸有傾斜角，第二張是平行於x軸，兩張圖片相當於做了旋轉，經過多次max pooling後具有相同的特徵

(3) scale invariance：
下圖表示數字“0”的識別，第一張的“0”比較大，第二張的“0”進行了較小，相當於作了縮放，同樣地，經過多次max pooling後具有相同的特徵

具體來說，左邊是圖像輸入，中間部分就是濾波器filter（帶着一組固定權重的神經元），不同的濾波器filter會得到不同的輸出數據，比如顏色深淺、輪廓。相當於如果想提取圖像的不同特徵，則用不同的濾波器filter，提取想要的關於圖像的特定信息：顏色深淺或輪廓。

如下圖所示