詳細解釋
池化（Pooling）是卷積神經網絡中縮小特徵圖尺寸的操作，減少參數量並增強特徵魯棒性。
池化類型：
- Max Pooling：取窗口最大值（最常用）
- Average Pooling：取窗口平均值
- Global Pooling：整個特徵圖池化為一個值
- Adaptive Pooling：動態調整輸出尺寸
作用：
- 降維：減少特徵圖尺寸，降低計算量
- 平移不變：物體位置微變特徵不變
- 防過擬合：減少參數數量
- 擴大感受野：後層可看更大範圍
典型設置：
- 2×2窗口，步長2：尺寸減半
- 常用於卷積神經網絡 (CNN)的卷積層之間
現代趨勢：
- 部分架構用步長卷積替代池化
- Transformer中無池化，用注意力
- 全局平均池化常用於分類最後一層
注意：池化會丟失精確位置資訊，語義分割任務需謹慎使用。