pooling作为一个对特征的操作，应该看具体任务。有论文提到，低层的网络对抽象特征的响应更高，那么随着对特征的不断处理，高层的网络对细节特征有更好的响应。pooling作为对特征的处理操作，也应该考虑，pooling前的数据是什么数据，数据代表了什么意义，数据的相关性是怎么样的。假设区分由不同点集构成的“A”和"P"，这两个数据集中的相临数据间的位置相关性不大（从NN的角度看，当然从图形学提取特征就另说了），那么我觉得，你可以用一个平均值的pooling来作为一个特征提取的手段。而如果通过一个卷积核处理后的数据里面的某个信息是很有效的，譬如说其中可能出现很大的值，而这个值对结果影响很大，那么你可以用max的pooling
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024