Global Max Pooling

释义 Definition

在卷积神经网络（CNN）中一种池化操作：对每个特征图（或通道）在整个空间维度上取最大值，把任意大小的特征图压缩为每个通道一个数，从而得到固定长度的表示并减少参数量。

发音 Pronunciation (IPA)

/ˈɡloʊbəl mæks ˈpuːlɪŋ/

例句 Examples

Global max pooling reduces each feature map to a single value.
全局最大池化把每个特征图压缩成一个数值。

In our CNN, we replaced fully connected layers with global max pooling to make the model less sensitive to input size and reduce overfitting.
在我们的卷积神经网络中，我们用全局最大池化替代全连接层，以降低对输入尺寸的敏感性并减少过拟合。

词源 Etymology

“Global”表示在整个空间范围内进行操作；“max pooling”源自早期CNN中的“pooling（池化/汇聚）”思想，即用汇聚统计量（这里取最大值）来压缩局部或整体特征。“global max pooling”强调池化窗口覆盖整个特征图，而不是局部滑动窗口。

相关词 Related Words

• Global Average Pooling
• Max Pooling
• Average Pooling
• Pooling Layer
• Convolutional Neural Network
• Feature Map
• Flatten
• Fully Connected Layer

文献与作品 Literary / Notable Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——在CNN与池化相关章节讨论池化思想与变体（包括全局池化的常见用法）。
• CS231n: Convolutional Neural Networks for Visual Recognition（Stanford 课程讲义）——介绍max pooling与全局池化在视觉模型中的实践。
• “Network in Network” (Lin, Chen, Yan, 2013) ——提出并推广以全局平均池化等方式替代部分全连接结构的思路，与全局池化家族密切相关。
• “Squeeze-and-Excitation Networks” (Hu, Shen, Sun, 2018) ——使用全局池化（常见为全局平均池化）进行通道描述，相关概念常与全局最大池化对照出现。