标签：eva   阅读   分享图片   使用   映射   函数   nal   分享   over   

在这篇论文中，作者提出了一种更加通用的池化框架，以核函数的形式捕捉特征之间的高阶信息。同时也证明了使用无参数化的紧致清晰特征映射，以指定阶形式逼近核函数，例如高斯核函数。本文提出的核函数池化可以和CNN网络联合优化。

Network Structure

Overview

Kernel Pooling Method

The illustration of the tensor product

A summary of pooling strategies

Experiment Evaluations

论文阅读-(CVPR 2017) Kernel Pooling for Convolutional Neural Networks

标签：eva   阅读   分享图片   使用   映射   函数   nal   分享   over   

原文地址：https://www.cnblogs.com/shiwanghualuo/p/10162347.html