Max Pooling

释义 Definition

最大池化：深度学习（尤其是卷积神经网络 CNN）中的一种下采样操作，把特征图划分为若干小窗口（如 2×2），在每个窗口内取最大值作为输出，用于减少空间尺寸、降低计算量，并增强对小幅位移的鲁棒性。（同类方法还包括 average pooling 等。）

发音 Pronunciation (IPA)

/mæks ˈpuːlɪŋ/

例句 Examples

Max pooling reduces the size of the feature map.
最大池化会缩小特征图的尺寸。

By applying max pooling after each convolutional block, the network becomes more tolerant to small shifts in the input while keeping the most salient activations.
在每个卷积模块后使用最大池化，网络会对输入中的小位移更不敏感，同时保留最显著的激活响应。

词源 Etymology

max 表示“最大”，pooling 源于 pool（“汇集、集中”之意），在机器学习语境中指把局部区域的数值“汇聚”为一个代表值。max pooling 直译为“取最大值的汇聚/池化”，用来把局部信息压缩成更紧凑的表示。

相关词 Related Words

• Average Pooling
• Pooling
• Downsampling
• Convolution
• Feature Map
• Stride
• ReLU
• Convolutional Neural Network

文学与著作中的用例 Literary Works

• Ian Goodfellow, Yoshua Bengio, Aaron Courville，《Deep Learning》（2016）：在 CNN 章节中讨论 pooling 与 max pooling 的作用与变体。
• Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks”（2012，常称 AlexNet 论文）：模型结构中使用了池化层（包括最大池化）。
• François Chollet，《Deep Learning with Python》（2017/2018 版本）：在 Keras/CNN 入门示例中常出现 MaxPooling（概念与实现相对应）。