池化是空间池化，是卷积神经网络提取特征的一种方法，通过对不同特征进行聚合统计处理获得相对较低的维度，同时避免过拟合现象。

池化在降低各特征图维度的同时保留了大部分重要信息，目前主要有最大化、平均化、加法等方式。

常见的池化操作

最常见的池化操作有平均池化(mean pooling )和最大值池化(max pooling )两种。

平均池化：计算图像区域的平均值，将其作为该区域池化后的值。 最大值池：选择图像区域的最大值，将其作为该区域池后的值。 也可以定义空间邻域，从修正特征地图中提取最大的元素并取平均值。

池化作用

池函数可以逐渐降低输入表示的空间比例。

降低特征维数，更可控地降低网络中参数和计算数量； 使网络对输入图像中更小的变化、冗馀性、变换不变性； 为图像的获取提供最大限度的尺度不变性。