学习 UFLDL教程 “处理大型图像”部分的笔记。
参考
卷积特征
把大型原始图像作为输入直接训练神经网络难以实现，因为数据向量维度太大。一种解决办法是用原始图像的小块来训练神经网络模型，再用这个模型提取整个图像的特征。特征提取用卷积，参见《卷积特征提取》。将图像分成小块输入模型得到输出，将所有小块的输出组合成一个向量，作为整个图像的特征向量。
池化
卷积特征提取解决了神经网络模型训练的问题，提取出有效的特征，但当训练分类器时，特征向量维度也太大，解决方法是计算图像每个区域上的每个特定特征的平均值 (或最大值，或其他统计量)作为新的特征向量，这被称为池化。