在目标检测中使用步幅为1的最大汇聚层的目的是什么 [英] What's the purpose of using a max pooling layer with stride 1 on object detection

问题描述

我正在使用单镜头探测器(SSD)，更具体地说，在Keras中使用this implementation。

当我检查SSD300时(虽然我注意到这也适用于SSD512)，我注意到在每个卷积组之后都会有一个最大池来降低特征映射的维度。到目前为止还不错，但是在第5组之后(准确地说是在第5层之后)，应用的最大池使用跨度1。我无法在SSD的original work上验证这一点，因为它是用Caffe写的，我也不熟悉那个版本。这意味着(使用添加的填充)不会减小要素地图大小。此外，最大池层中的筛选器数量与以前相同，内核大小增加到(3,3)(从(2,2)。

据我所知，这意味着这个最大池层既不用于降低维度，也不用于减少(或无论如何更改)过滤器的数量。因此，它仅用于在要素地图中应用最大池过滤器。有人知道为什么这是必要的吗？或者更准确地说，这样一个层的目的是什么？我的猜测是，它可以完全删除，我不会期望在性能上有太大差异，但老实说，我还没有检查过它。

您知道我这里可能遗漏了什么吗？

推荐答案

这样的过滤器突出显示最强的功能，丢弃较弱的功能，但不会降低其维度。意义取决于下面几层中发生的事情。 从理论上讲，裁员会出现...

根据输入的大小，降维可能不可取，因为您可能会丢失所有功能。

这篇关于在目标检测中使用步幅为1的最大汇聚层的目的是什么的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！