我的理解是，我们在进行卷积时使用填充，因为使用过滤器进行卷积会通过缩小输出的维度来减少输出的维度，并且会丢失输入矩阵的边缘/角落的信息。但是，我们还在多个 Conv 层之后使用池化层来对我们的特征图进行下采样。这看起来是不是有点矛盾？我们使用填充是因为我们不想减少空间维度，但我们稍后使用池化来减少空间维度。有人可以提供这两个背后的直觉吗？
【问题讨论】：
标签： machine-learning neural-network computer-vision conv-neural-network
不失一般性，假设我们正在处理图像作为输入。 padding 背后的原因不仅是为了防止尺寸缩小，也是为了确保输入的角落和边缘上的输入像素在影响输出方面不会“不利”。如果没有填充，图像角落的像素仅与一个过滤区域重叠，而图像中间的像素与许多过滤区域重叠。因此，中间的像素影响下一层的更多单元，因此对输出的影响更大。其次，您实际上确实希望缩小输入的维度（请记住，深度学习完全是关于压缩，即找到输入的低维表示，以解开数据中的变化因素）。没有填充的卷积引起的收缩并不理想，如果你有一个非常深的网络，你很快就会得到非常低维的表示，这会丢失数据中的大部分相关信息。相反，您想以一种巧妙的方式缩小尺寸，这可以通过 Pooling 来实现。特别是，Max Pooling 被发现效果很好。这实际上是一个经验结果，即没有很多理论可以解释为什么会这样。您可以想象，通过对附近的激活取最大值，您仍然保留有关该区域中存在特定特征的信息，同时丢失有关其确切位置的信息。这可能是好是坏。好的是因为它可以为您带来翻译不变性，而不好的是因为确切的位置可能与您的问题相关。
【讨论】：