- global average pooling(gap)이란, 같은 채널의 feature들을 모두 평균을 낸 다음에 채널의 갯수만큼 원소를 가지는 것.
--> classifier인 FC layer를 없애기 위한 방법으로 도입하였다.
* 기존 FC layer의 특징
- 마지막 feature와 matrix곱을 하여 feature 전체를 연산의 대상으로 삼아서 결과를 출력, 즉 feature가 이미지 전체를 함축하고 있다고 가정하면 이미지 전체를 보고 output을 만들어 내는 것이다.
그로인한 단점은 다음과 같다.
1) parameter수의 증가
2) feature 전체를 matrix연산하기 때문에 위치에 대한 정보도 사라짐
3) FC layer의 사이즈로 인해 입력의 이미지 사이즈 또한 그에 맞춰서 고정되어야 함
이에 비해, GAP은
1) pooling 기법이기 때문에, parameter가 추가되지 않는다.
2) 공간 정보를 요약하므로 입력의 공간 변환에 더 강하다.
3) 어떤 사이즈가 들어와도 상관이 없다.
4) parameter가 폭팔적으로 증가하지 않기 때문에, overfitting 측면에서도 유리함
*경우에 따라서 FC layer과 같이 사용된다.
