三维全局平均池层
三维全局平均池化层通过计算输入的高度、宽度和深度维度的平均值来执行下采样。
在图像分类网络中,可以使用globalAveragePooling3dLayer
在最终完全连接层之前,减少了活化的大小而不牺牲性能。激活的减小意味着下游完全连接层的权重更小,从而减小网络的规模。
你可以用globalAveragePooling3dLayer
接近尾声的一个分类网络代替了一个fullyConnectedLayer
.由于全局池化层没有可学习的参数,它们可以降低过拟合的可能性,并可以减少网络的规模。这些网络对于输入数据的空间转换也更健壮。你也可以用一个GlobalMapooling3Dlayer
代替。是否GlobalMapooling3Dlayer
或者一个globalAveragePooling3dLayer
是否更合适取决于您的数据集。
要使用全局平均池层而不是完全连接的层,输入的大小globalAveragePooling3dLayer
必须匹配分类问题中的类数
averagePooling3dLayer
|convolution3dLayer
|globalAveragePooling2dLayer
|GlobalMapooling3Dlayer
|maxPooling3dLayer