machine-learning - 池化与随时间池化

Question

我从概念上理解最大/总和池中发生的情况作为 CNN 层操作，但我看到这个术语“随时间变化的最大池”或“随时间变化的总和池”(例如，"Convolutional Neural Networks for Sentence Classification" 论文尹金)。有什么区别？

Answer 1

max-over-time pooling 通常应用于 NLP(与普通 max-pool 不同，普通 max-pool 在计算机视觉任务的 CNN 中很常见)，因此设置略有不同。

最大随时间池化的输入是一个特征图c = [c(1), ..., c(n-h+1)]，其计算如下长度为 n 的句子，带有大小为 h 的过滤器。卷积运算与图像运算非常相似，但在本例中，它应用于一维单词向量。这就是paper中的公式(3) .

最大随时间池操作非常简单:max_c = max(c)，即，它是在整个特征图上获得最大值的单个数字。这样做的原因是，在 NLP 中，句子在语料库中自然具有不同的长度，而不是像 CNN 中那样对句子进行“下采样”。这使得不同句子的特征映射不同，但我们希望将张量减小到固定大小以最终应用 softmax 或回归头。正如论文中所述，它可以捕获最重要的 特征，每个特征图具有最高值的特征。

请注意，在计算机视觉中，图像通常¹具有相同的尺寸，例如28x28或32x32，这就是为什么没有必要立即将特征映射下采样为 1x1。

时间总和池是相同的。

<小时/>

¹ 现代 CNN 可以使用不同大小的图像进行训练，但这要求网络是全卷积的，因此它没有任何池化层。请参阅this question了解更多详情。