在VGG-16网络模型的第一层、第三层卷积层后加入池化核为3、步长为2的重叠池化层还有一个作用就是增大卷积神经网络模型的感受野增大感受野有利于卷积神经网络模型提取更加丰富的特征信息。
具体来说，池化层的作用是对卷积层输出的特征图进行下采样，从而减小特征图的尺寸，同时保留主要的特征信息。在下采样的过程中，池化层会利用池化核的窗口大小和步长来控制池化的区域和重叠度，从而实现特征压缩和信息提取的目的。通过加入重叠池化层，可以进一步增加感受野，使得网络能够捕获更广泛的特征信息，从而提高网络的性能和泛化能力。
原文地址: https://www.cveoy.top/t/topic/bu5E 著作权归作者所有。请勿转载和采集!