Answers:
您确实可以做到这一点,请参阅“ 力求简单:全卷积网络”。合并为您提供了一定程度的翻译不变性,这可能会或可能不会有所帮助。而且,池化比卷积要快。不过,您始终可以尝试用stride进行卷积替换池化,看看效果更好。
当前一些作品使用平均池化(Wide Residual Networks,DenseNets),另一些作品使用跨步卷积(DelugeNets)
显然,最大池化会有所帮助,因为它可以提取图像的最清晰特征。因此,给定图像,最清晰的特征是图像的最佳低级表示。https://www.quora.com/What-is-the-benefit-of-using-average-pooling-rather-than-max-pooling
但是根据吴安德(Andrew Ng)在深度学习中的演讲,最大池工作得很好,但是没人知道为什么。Quote->“但是我不得不承认,我认为人们使用max pooling的主要原因是因为它在很多实验中都可以正常工作,...我不知道有人完全知道那是真的吗?根本原因。”