Max pooling
From Wikipedia, the free encyclopedia
Cet article est orphelin. Moins de trois articles lui sont liés ().
Certaines informations figurant dans cet article ou cette section devraient être mieux reliées aux sources mentionnées dans les sections « Bibliographie », « Sources » ou « Liens externes » ().
En apprentissage automatique, la couche de max pooling ou max-pooling[1] est une des quatre couches dans un réseau de neurones convolutif. Cette couche permet de sous-échantillonner l'image pour réduire sa dimensionnalité spatiale lors de sa classification par un réseau de neurones. Le but de cette couche est de réduire la taille des images sans modifier les caractéristiques importantes de cette image.
Le max pooling opère en appliquant un filtre de taille définie sur l'image d'entrée et en ne conservant que la valeur maximale pour chaque région couverte par le filtre. Ce processus est effectué de manière itérative sur toute l'image, généralement avec un déplacement du filtre appelé stride, ou « pas », qui peut varier en taille. L'opération ne modifie pas la profondeur de l'image d'entrée, mais réduit ses dimensions sur la hauteur et la largeur.
