Bienvenido a Platzi

Texto académico: ¿Cuándo usar cada tipo de pooling?

🔹 1. Max Pooling

• Qué hace: conserva el valor más alto de cada región.
• Cuándo usarlo:
  • En las primeras capas de CNN, para detectar bordes, texturas y características locales dominantes.
  • Cuando se busca robustez frente al ruido → el máximo suele sobrevivir aunque haya valores espurios pequeños.
  • En problemas de clasificación de imágenes (ej. CIFAR, ImageNet), es el más usado.
• Ventaja clave: resalta patrones importantes y descarta detalles menores.

🔹 2. Average Pooling

• Qué hace: calcula el promedio de los valores en cada región.
• Cuándo usarlo:
  • En redes donde interesa suavizar y mantener la información global, no solo los picos.
  • En etapas intermedias o previas a capas densas, cuando se busca un resumen estable de la activación.
  • En aplicaciones biomédicas, puede ser útil para no perder señales sutiles (ej. texturas celulares).
• Ventaja clave: produce representaciones más suaves y menos sesgadas hacia valores extremos.

🔹 3. Global Pooling (Global Average o Global Max)

• Qué hace: reduce cada mapa de características a un único valor (por canal).
• Cuándo usarlo:
  • En arquitecturas modernas (ResNet, Inception, MobileNet) como alternativa a fully connected layers → reduce drásticamente parámetros.
  • En problemas con gran riesgo de sobreajuste → evita usar millones de pesos de una capa densa.
  • Para clasificación final, justo antes de la capa softmax.
• Ventaja clave: fuerza a la red a hacer un resumen global del feature map, favoreciendo generalización.

🔹 Otros Poolings

• Stochastic Pooling: elige aleatoriamente un valor de la región, proporcional a su magnitud.
  • Útil para regularización en entrenamientos pequeños.
• Adaptive Pooling: ajusta dinámicamente el tamaño de salida (ej. para forzar siempre un 7×7 antes de la capa final, sin importar el tamaño de entrada).
  • Útil en arquitecturas que reciben imágenes de dimensiones variables.