對全局平均池化（GAP）過程的了解

對學習Class Activation Mapping（CAM）原文獻的時候提到的全局平均池化GAP方法做個簡單的知識補充。

所謂的全局就是針對常用的平均池化而言，平均池化會有它的filter size，比如 2 * 2，全局平均池化就沒有size，它針對的是整張feature map.

全局平均池化（Global average Pooling）由 M. Lin, Q. Chen, and S. Yan. Network in network. Interna-

tional Conference on Learning Representations, 2014.提出來。

用個簡單的例子來說明它的過程，作用請看原文獻或者百度。

一個feature map 全局平均池化後得到一個值，再進行全連接配接（softmax）就會少很多參數。