全域平均池化

深度分析

全域平均池化即多實例學習：從密集讀出解析影像分類器

本研究指出，使用全局平均池化的影像分類器等同於平均聚合的多實例學習模型，透過在特徵格上直接套用線性分類頭即可恢復空間類別分數。實驗在ImageNet、ImageNet‑A與MS‑COCO上證實，即使整體預測失誤，目標類別仍能在局部格子中被找回，顯示GAP的聚合方式是失誤的主要來源。