卷积神经网络的池化层
卷积神经网络的池化层，也叫下采样层，主要的思想是着重提取具有某种倾向的特征。
最大池化是对局部的值取最大；
平均池化是对局部的值取平均；
随机池化是根据概率对局部的值进行采样，采样结果便是池化结果。
最大池化可以获取局部信息，可以更好保留纹理上的特征。
平均池化往往能保留整体数据的特征，能凸出背景的信息。
随机池化中元素值大的被选中的概率也大，但不是像最大池化总是取最大值。随机池化一方面最大化地保证了Max值的取值，一方面又确保了不会完全是max值起作用，造成过度失真。除此之外，其可以在一定程度上避免过拟合。
除上述三种池化方法之外：
K-Max均值采样技术（K-Max Average Pooling，KMA）：对于卷积层传入的特征矩阵(feature map)，K-Max采样选取其中的前K个值，并取平均值作为最终的采样结果。好处在于，一方面可以减少异常噪音点的影响，另一方面可以保留表现比较强的特征的强度。
参考：
https://blog.****.net/quiet_girl/article/details/84579038