🏆 مزایای لایه Pooling در CNN در‌مجموع:
⭕️اندازه Feature Map را کاهش می‌دهد.
⭕️محاسبات را کمتر می‌کند.
⭕️از بیش‌برازش (Overfitting) تا حدی جلوگیری می‌کند.
⭕️شبکه را نسبت به جابه‌جایی‌های کوچک مقاوم‌تر می‌کند.
⭕️مهم‌ترین ویژگی‌ها را نگه می‌دارد.
#CNNs
@toobabigdatascience
Post #2994
106
متخصصان علم داده ها data scientists [👨🏫] لایه Pooling در شبکه‌های عصبی کانولوشنی (CNN) را می‌توان به زبان ساده «فشرده‌کنندهٔ اطلاعات مهم تصویر» نامید. فرض کنید یک عکس ۱۰۰×۱۰۰ پیکسلی دارید. بعد از اعمال فیلترهای کانولوشن، شبکه یک نقشه ویژگی (Feature Map) تولید می‌کند. این نقشه ممکن است هنوز…
- 👏 1