最大池化层与带步长卷积的性能比较

Question

在大多数架构中，卷积层之后都会跟着一个池化层（最大值/平均值等）。由于这些池化层只是选择前一层（即卷积层）的输出，我们是否可以仅使用步幅为2的卷积来减少处理需求，并期望获得类似的准确性结果？

- Deniz Beker

---

是的，我已经尝试过vgg19网络，它可以正常工作。 - Ashish Misra

Answer 1

可以做到这一点。在论文“追求简单：全卷积网络”'Striving for simplicity: The all convolutional net'中有详细解释。https://arxiv.org/pdf/1412.6806.pdf。引用论文中的话：

“我们发现，在几个图像识别基准测试中，最大池化层可以通过增加步幅的卷积层来替换，而不会损失精度。”

- V.M

---

谢谢回复。那么，为什么行业还在继续使用最大池化呢？ - Deniz Beker