减少神经网络特征映射的空间维数

Question

给出维数MxNxC的特征图(例如，预测的感兴趣区域的输出速度较快-RCNN)，如何将空间维降为1x1xC？即将特征图简化为向量样量，总结区域的特征？

我知道1x1卷积，但这似乎与信道缩减的情况有关。Average和Max池也是常用的，但是这些方法似乎更适合于不太极端的次抽样情况。

显然，我们可以简单地计算空间维数的平均值，但这似乎相当粗糙。

Answer 1

我建议使用全局平均池层。您有MxNxC功能地图。全局平均池计算每个特征映射的平均值。因此，特征映射成为一个数，特征集成为向量。

我推荐本文作为探索全局平均池层的起点。

https://alexisbcook.github.io/2017/global-average-pooling-layers-for-object-localization/