在连接深度特征向量和手工制作的特征向量后，我可以使用最终池化层来找到最佳共同特征吗？

Question

我有两个特征向量。 一种是CNN提取的深度特征向量，另一种是统一局部二值模式提取的手工特征。 我想在连接这两个特征向量后找到共同的最佳特征。 出于这个原因，我想使用最终的池化层。 可能吗？

Answer 1

连接两个特征向量后，最终的池化层将有助于减少这些特征向量。

如果您可以定义更多您的目标/您想使用哪个池化层？

Answer 2

我不确定我是否正确理解“最终池化层”的含义

但在我看来，在连接层之后和 output 层之前添加一个池化层（例如，Dense-softmax ...）在这种情况下可能没有多大帮助，因为池化层没有可学习的参数，并且它们在每次激活时运行map 独立地减小激活图的大小。

我想建议一种简单的特征融合方法，即您可以将另一个子网（卷积、池化、密集等层集）应用于级联张量。 因此，model 可以不断学习以增强良好的功能。