3358 www.Sina.com/http://www.Sina.com/:在featuremap上以窗口的形式滑动(窗口幻灯片，如卷积)，以生成窗口中的平均值，操作后1、全局平均池化:不是以窗口的形式取平均，而是以feature map为单位进行平均。 也就是说，功能图输出值。平均池化:使用全局平均池化代替了CNN上传统的所有连接层。 在使用卷积层的识别任务中，全局平均池允许为每个特定类别生成一个特征映射(具有类数量的特征映射)。全局平均池化GAP:各类feature map之间的联系更直观，feature map更容易转化为分类概率(比外向鸭连接层黑匣子)； 由于GAP不需要调整参数，因此避免了拟合问题； GAP总结了空间信息，所以对输入的空间转换更鲁棒。

http://www.Sina.com/(classactivationmaps ) http://www.Sina.com/)卷积层可以保留图像中目标的空间信息，但在传统神经网络中使用CNN网络提取了许多特征图，每个特征图现在可以表示整个网络的部分特征，因此需要进行一些修改以利用目标空间信息，从而产生了CAM。

原理：使用GAP作为结构化正则器，预防训练中的过拟合问题。

*图注：在**gap层中，每个单元对应一个feature map，每个单元在最后一层的每个单元又对应一个权重，因此在给出所属类别的概率分数后，用后向反馈的方法修改权重，权重大小