sub-sampling

Sub-sampling是一种将特征图进一步缩小的方法，可以通过不同的方式进行下采样。其中一种常见的方式是max-pooling，它选择所选区域的最大值作为输出。还有一种方式是选择所选区域的每个像素的输出值的平均值。另外，也可以将所选区域的每个像素的输出值进行求和。无论采用哪种方式，目的都是进一步压缩特征图的大小。\[2\]在神经网络中，sub-sampling层的作用是减小特征图的尺寸，以便在后续的层中进行更高效的计算。\[2\]在反向传播算法中，sub-sampling层的输出敏感项可以通过将其展开并与卷积层的激活函数的导数相乘来计算。\[3\]
#### 引用[.reference_title]
- *1* [计算机视觉理论笔记 (4) - 图像质量和增强 (Image Quality & Enhancement)](https://blog.csdn.net/weixin_43861350/article/details/109689226)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [深度学习之二：CNN推导](https://blog.csdn.net/u010223750/article/details/51334447)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]