很多固定输出的网络都需要在最后一层加上全连接层
但是全连接层参数量大,计算量也大,速度就慢下来了,还有可能导致过拟合
那怎么办呢?
有多少个分类就输出多少个featureMap,每个featureMap的值累加求平均,再做softmax,哪个概率大就属于哪个分类;
GAP最早用于卷积神经网络中，global average pooling用于替代全连接层。Global average pooling就是平均所有的feature map，然后将平均后的feature map喂给softmax进行分类。
GAP 的主要目的是防止过拟合.
同时GAP可以看做是一种结构化正则，即对多个feature map的空间平均（spatial average），能够应对输入的许多空间变化（翻转、平移等）。