Schematische Darstellung der Pooling-Operation in CNN

Diese Abbildung veranschaulicht, wie eine Pooling-Schicht räumliches Downsampling auf Feature-Maps durchführt, die von einer Faltungsschicht erzeugt wurden. Ein gleitendes Fenster scannt die Feature-Ebene, extrahiert wichtige Antwortwerte – entweder mittels Max-Pooling oder Average-Pooling – und bewegt sich mit einer festgelegten Schrittweite, bis der gesamte räumliche Bereich abgedeckt ist. Das Ergebnis ist eine Feature-Map mit reduzierter räumlicher Auflösung, aber unveränderter Kanaltiefe. Diese Operation reduziert effektiv die Datengröße unter Beibehaltung wichtiger semantischer Informationen. Dadurch werden die Anzahl der Parameter und der Rechenaufwand für nachfolgende Schichten verringert und die Robustheit des Modells gegenüber lokalen Verschiebungen und Deformationen erhöht.