减少卷积网络（CNN）中特征映射的大小

Question

我正在阅读一篇实现CNN的论文，但我不理解这句话我们使用的卷积层增加了步幅，而不是使用max-pooling图层来减小特征贴图的大小。 我不知道这可以取代最大池，我缺少什么？

Answer 1

天真地说，CNN的过滤器通过在每个可能的位置上移动过滤器矩阵（例如，为了简单起见，如下图所示为3x3x1）来工作。这意味着每次将过滤器向右移动一次，当行准备就绪时，您可以前后移动。

在下面的gif中，原始图像是虚线，滤镜是灰色的，结果是绿色图像：

但是，您每次也可以移动2。它就像你只是简单地对结果进行子采样一样。如果按步幅2移动，则将要素图尺寸除以2（两者）。这意味着您的要素图仅具有原始尺寸的1/4。这与池化减少特征映射大小的方式完全相同。事实上，卷积滤波器可以学习平均和最大合并。