Por que Max-Pooling?
Motivação
81
valores na entrada
(imagem 9×9)
(imagem 9×9)
147
valores sem pooling
(3 mapas × 7×7)
(3 mapas × 7×7)
Compressão da informação
Após a convolução, cada filtro gera um mapa inteiro. O max-pooling resume cada região num único valor — o máximo —, mantendo apenas a informação mais relevante.
Tolerância à posição exata
Se o padrão se mover levemente dentro da janela de pooling, o valor máximo permanece o mesmo. A rede fica menos sensível ao local exato da feature.
Robustez a translações e rotações pequenas
Pequenos deslocamentos ou rotações que mantêm o padrão dentro da mesma janela não alteram a saída do pooling.
💡
O max-pooling não tem pesos aprendíveis — é uma operação fixa. Ela extrai o valor mais alto em cada janela da imagem.
Feature maps 7×7 → mapas pooled 3×3 (janela 2×2, stride 2)
Antes do pooling
7 × 7 por mapa
→
Após max-pooling
3 × 3 por mapa
grades = janelas de pooling 2×2
Dentro da janela 2×2: posição não importa para o max
ℹ️
Cada célula do mapa pooled captura o valor máximo de uma região inteira do feature map — a presença do padrão, independente da posição exata. O próximo slide mostra este processo passo a passo.