Аннотация:В данной работе был проведен анализ влияния различных параметров пулинга на качество классификации в задаче распознавания изображений. В частности, был произведен автоподбор параметров пулинга, включая выбор между максимальным и усредняющим пулингом, а также определение оптимального размера окна пулинга.
Для автоподбора параметров использовался метод обратного распространения ошибки, используемый для обучения сверточных нейронных сетей. Экспериментальные результаты показали, что использование предложенного алгоритма позволяет достичь более высокой точности классификации, чем при использовании фиксированных параметрах пулинга.
Полученные результаты могут быть использованы при проектировании сверточных нейронных сетей для распознавания изображений, а также в других задачах обработки изображений, где применяются методы пулинга.