提炼出这段话的关键点简明扼要：池化具有形状不变性的特点一次非常适合图像类学习任务。在对图像进行卷积 操作的过程中卷积层学习的特征往往过于精准所以会导致网络学习到一些没有用 的信息通过池化层可以降低卷积层对边缘的敏感度。同卷积操作类似池化操作可以 不断减少输入图像的维度使冗余的参数大幅度减少使结果更加接近真实值同时 也大大简化了卷积过程的运算量。
关键点：
- 池化具有形状不变性的特点，适合图像类学习任务；
- 卷积层学习特征过于精准会导致网络学习到无用信息；
- 池化层可以降低卷积层对边缘的敏感度；
- 池化操作可以减少输入图像的维度，减少冗余参数；
- 简化了卷积过程的运算量。
原文地址: https://www.cveoy.top/t/topic/cf5f 著作权归作者所有。请勿转载和采集!