池化

池化是 CNN 中的空间下采样操作，通过在固定大小窗口内汇总值来减小特征图维度。通过将局部区域折叠为单个值，池化降低计算量同时引入对小空间偏移的平移不变性。

最常见的配置是步长为 2 的 2x2 最大池化，在每个非重叠区域中选择最大值。这将宽度和高度减半，空间面积缩减为四分之一。VGG-16 应用五次最大池化，将 224x224 输入缩小到 7x7 后接全连接层。

• 最大池化：保留每个区域中最强的激活，保留边缘等显著特征。在分类和检测架构中占主导地位
• 平均池化：计算每个区域的均值。全局平均池化 (GAP) 将每个通道折叠为单个标量，替代全连接层并减少过拟合
• 步长卷积：使用可学习参数进行下采样 (步长 2)，相比固定池化操作最小化信息损失

现代架构越来越多地用步长卷积替代池化，但 GAP 作为分类器头部仍是标准。对于分割任务，池化索引存储和空洞卷积等技术保留空间精度。