GAP(Global Average Pooling)

GAP出自于论文 Network in Network

常见CNN的网络结构为：
Input Layer、Convolutional Layer、Pooling Layer、Fully Connected Layer、Output Layer

论文使用GAP来代替最后的全连接层，对最后一层每一个特征图，进行全局的均值池化。这样，每个特征图对应一个特征点。所有特征点组成的特征向量，进行softmax分类。

如果分类类别为4，那么模型最后一层就是4个特征图，对每个特征图取均值，获得4维的向量。这样，每个特征图相当于对应一个类别。

论文 Network in Network 中摘要：