我知道常规的卷积神经网络包含卷积层和池化层。池化层使输出较小,因此需要更少的计算量,并且它们可以使输出对位置变化具有一定的不变性,这意味着核过滤器中特征的位置可以在原始图像中稍微移动一下。
但是如果我不使用池化层会发生什么?可能的原因是我想要每个原始图像像素的特征向量,因此卷积层的输出必须与图像大小相同,只是通道更多。这样做有意义吗?这些特征向量中是否仍然有有用的信息,或者在CNN中使用池化层是必要的?或者有一些方法可以在使用池化层的情况下获得单个像素的特征向量吗?
但是如果我不使用池化层会发生什么?可能的原因是我想要每个原始图像像素的特征向量,因此卷积层的输出必须与图像大小相同,只是通道更多。这样做有意义吗?这些特征向量中是否仍然有有用的信息,或者在CNN中使用池化层是必要的?或者有一些方法可以在使用池化层的情况下获得单个像素的特征向量吗?