我正在使用Single Shot Detector（SSD），更具体地说是在keras中使用this implementation。
当我检查SSD300时（尽管我也注意到，这也适用于SSD512），我注意到在每个卷积组之后都有一个减小特征图维数的最大池。到目前为止还算不错，但是在conv组5之后（确切地说是在conv5_3层之后），应用的最大池使用了跨度1。我无法在SSD的original work上对此进行验证，因为它是用caffe编写的，我不是熟悉那个。这意味着（带有添加的填充）不会减少要素地图的大小。另外，最大池化层中的过滤器数量与以前相同，并且内核大小增加到了(3,3)（从(2,2)。
据我了解，这意味着该最大池化层既不用于降低尺寸，也不用于减少（或无论如何更改）过滤器的数量。因此，它仅用于在特征图中应用最大池化过滤器。有谁知道这为什么必要吗？还是使其更正确，这样一个层的目的是什么？我的猜测是可以完全删除它，并且我不希望性能有太大差异，但是我还没有坦白地说。
关于我在这里可能会缺少的任何想法？
最佳答案
这样的过滤器会突出显示最强的功能，而丢弃最弱的功能，但不会降低其尺寸。有意义程度取决于接下来的几层。
从理论上讲，出现了冗余...
根据输入的大小，不希望缩小尺寸，因为您可能会失去任何功能。
关于python - 在对象检测中使用步长为1的最大池化层的目的是什么，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56733596/