7.3 池化：缩小特征图

卷积之后，特征图还是太大了

卷积层输出的是几十甚至几百张特征图，每张的尺寸和原图差不多（如果用了 same padding）。一张 224x224 的输入经过一个 64 通道的卷积层后，输出是 64x224x224——超过 320 万个数字。如果不加处理直接送入下一层，计算量太大，且每个数字对最终判断的重要性参差不齐。

**池化（Pooling）**做的事情很简单：对特征图做降采样，把每个 2x2 的小区域压缩成一个数字。2x2 池化配合步长 2，输出尺寸直接减半，数据量降为原来的四分之一。池化层没有任何可学习的参数——它是一个纯粹的、确定性的压缩操作¹。

生活比喻：想象你拍了一张 4000 万像素的高清照片要发微信，微信会自动把照片压缩到几十万像素。池化就是在做这件事——扔掉大量细节，但保留最核心的视觉信息。收到压缩照片的朋友依然能认出照片里是谁，就像池化后的特征图依然保留了”这里有边缘""那里有纹理”的关键信号。

最大池化和平均池化：两种压缩哲学

池化窗口在特征图上滑动（通常 2x2，步长 2），每个窗口输出一个数字。有两种最常用的聚合方式：

最大池化（Max Pooling）

取窗口内的最大值。假设一个 2x2 窗口内的四个值是 [0.1, 0.8, 0.3, 0.5]，最大池化输出 0.8。

最大池化的哲学是：“我不关心特征具体在窗口里的哪个位置，我只关心这个区域里有没有这个特征。” 0.8 说明这个区域确实有强响应——可能是某处检测到了猫耳朵的边缘。最大值对微小位移不敏感：即使耳朵边缘向左移动了一个像素，只要它还在这个 2x2 窗口内，最大值依然是高响应。这就是平移不变性的直观来源²。

最大池化是实践中使用最广泛的池化方式。AlexNet、VGG、ResNet 的中间层全部使用最大池化。它对纹理、边缘这类”要么有、要么没有”的稀疏特征特别有效。

生活比喻：你参加了一个四人小组面试，面试官只记录”表现最好的那个人的分数”。这个分数代表了”这个小组的水平”——至于最好的人坐在左边还是右边，不重要。

平均池化（Average Pooling）

取窗口内所有值的算术平均。同样 [0.1, 0.8, 0.3, 0.5]，平均池化输出 (0.1+0.8+0.3+0.5)/4 = 0.425。

平均池化更”温和”——它保留了整体趋势而非局部峰值。当特征图中所有值都有意义时（比如语义分割任务中每个像素的类别概率），平均池化比最大池化更合理。但它会稀释强特征——0.8 的强响应被 0.1 的低响应平均后变成了 0.425。

生活比喻：面试官记录”四个人的平均分”。这个分数反映了整体水平，但无法体现”其中有一个特别优秀的人”。

两种池化的对比

全局平均池化：替代全连接层的利器

2014 年，GoogLeNet 和后来的 ResNet 推广了一种极端池化：全局平均池化（Global Average Pooling，GAP）——对整个 HxW 特征图取一个平均值，每个通道压缩成一个标量。一个有 512 个通道的特征图，经过 GAP 后变成一个 512 维的向量，直接送入最后的分类器³。

为什么 GAP 如此重要？传统 CNN（如 AlexNet、VGG）在卷积层之后用 Flatten 把所有特征图像素展开成一维向量，再接几层全连接层。问题是：全连接层参数极多（VGG-16 有 1.2 亿参数在全连接层），极易过拟合，Dropout 只能部分缓解。GAP 把参数量从几千万降到零——它本身没有可学习参数。同时 GAP 还有一个优雅的副作用：输入图片可以是任意尺寸（不需要固定 224x224），因为全局池化不依赖于固定的空间维度。

生活比喻：全连接层像是读完一本书后，逐个回顾每一个字来决定这本书好不好。全局平均池化像是读完后闭上眼睛，凭”整体感觉”做判断——更快，而且不会被个别生僻字误导。

池化的局限与现代替代方案

池化有两个先天缺陷：

信息丢失不可逆：2x2 最大池化扔掉 75% 的信息，且无法恢复。对于需要精确定位的任务（如语义分割、小目标检测），这种信息丢失可能是致命的。U-Net 通过跳跃连接将池化前的精细特征直接传送到解码器，部分弥补了这个问题⁴。

池化没有可学习参数：池化窗口里取最大值还是平均值，是人工写死的规则，不是从数据中学来的。步长卷积（stride=2 的卷积）可以作为池化的替代品——卷积核的权重可学习，网络自己决定”怎样降采样最好”。DCGAN（2015）率先用步长卷积完全替代池化，此后 ResNet 和 ConvNeXt 也在部分层用步长卷积做降采样。

2026 年的实践共识是：中间层仍以最大池化为主流（简单、高效、平移不变性强），网络末尾优先用全局平均池化（参数少、防过拟合），精确定位任务考虑步长卷积或跳跃连接替代池化。

关联

• 7.2 卷积运算的数学直觉 — 卷积产生特征图，池化压缩特征图
• 7.4 CNN 的核心组件深入 — 池化层的更深入讨论（全局池化、池化 vs 步长卷积）
• CNN 卷积神经网络 (Convolutional Neural Network) — CNN 完整组件速查，包含感受野与池化层数的关系
• 7.10 图像分割：像素级的理解 — U-Net 如何用跳跃连接弥补池化的信息丢失
• 第4章 · 机器学习核心算法 — 降维是贯穿机器学习的核心主题，池化是最简单高效的降维手段

← 上一节：7.2 卷积运算的数学直觉 ｜ 下一节：7.4 CNN 的核心组件深入 →