Average Pooling

Definition / 定义

Average pooling（平均池化）：深度学习/卷积神经网络（CNN）中的一种下采样操作，把特征图划分为小窗口（如 2×2），对每个窗口内的数值取平均值作为输出，用于降低空间分辨率、减少计算量并让特征更具平移不敏感性。常见形式包括 average pooling 和 global average pooling（全局平均池化）。

Pronunciation / 发音

/ˈævərɪdʒ ˈpuːlɪŋ/

Examples / 例句

Average pooling reduces the feature map size by taking the mean in each window.
平均池化通过对每个窗口取均值来缩小特征图的尺寸。

In lightweight CNNs, global average pooling can replace fully connected layers to reduce parameters and overfitting.
在轻量级卷积网络中，全局平均池化可以替代全连接层，从而减少参数并降低过拟合风险。

Etymology / 词源

average 源自中古法语 average，与“按比例分摊、平均值”相关；pooling 来自动词 pool（把资源“汇集到一起”），在机器学习里引申为把局部信息“汇总/聚合”。合在一起，average pooling 就是“用平均值来做局部聚合”的意思。

Related Words / 相关词

• Max Pooling
• Global Average Pooling
• Pooling Layer
• Downsampling
• Stride
• Convolution
• Feature Map

Literary Works / 文学作品

• Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》中在 CNN 章节讨论池化（包括平均池化）的作用与变体。
• François Chollet：《Deep Learning with Python》在卷积网络结构讲解中介绍池化层（可包含平均池化/全局平均池化的使用）。
• Aston Zhang 等：《Dive into Deep Learning（动手学深度学习）》在 CNN 模块中讲解池化操作（含平均池化与最大池化对比）。