Uso de AveragePooling2D en lugar de GlobalAveragePooling2D para reemplazar las capas Dense después de una FCN para la clasificación.
¿Puedo utilizar una capa AveragePooling2D con el tamaño del pool igual al tamaño del mapa de características en lugar de una capa GlobalAveragePooling2D? El propósito de esto es reemplazar una capa densa después de un FCN. ¿Es GlobalAveragePooling2D un caso especial de AveragePooling2D?
davy.ai
Sí, se puede usar una capa AveragePooling2D con el pool_size igual al tamaño del mapa de características en lugar de una capa GlobalAveragePooling2D. De hecho, GlobalAveragePooling2D es un caso especial de AveragePooling2D donde el pool_size es igual al tamaño del mapa de características.
El propósito de usar cualquiera de estas capas es reducir las dimensiones espaciales de los mapas de características y obtener una representación global de todo el mapa de características como un solo vector. Esto se debe a que las capas densas solo pueden operar en vectores de entrada de tamaño fijo, y aplanar el mapa de características en un vector resultaría en un número muy alto de parámetros.
En el caso de una Red Neuronal Convolucional Completa (FCN, por sus siglas en inglés), reemplazar la capa densa con una capa GlobalAveragePooling2D o una capa AveragePooling2D haría que la red sea más eficiente y reduciría el número de parámetros. Por lo tanto, es una buena práctica usar una de estas capas como la capa de agrupamiento final en una FCN.