前回はConvolutionについて書きました。
今回はPoolingについて書きます。
#Pooling
引用（https://thinkit.co.jp/story/2015/09/09/6399 図6：Convolutional Neural Network（CNN）の処理）
前回書いたのが図の畳み込み層で、今回のPoolingはプーリング層で行う処理です。
Convolution（畳み込み）は、上の図のように対象画像がその特徴とどれだけ類似するか評価した特徴マップを得るための処理でした。
Poolingでは、さらにこの特徴マップから必要な情報だけ抜き出して、特徴マップを縮小してあげます。
手法は、図のように例えば2×2の範囲での最大値を取るというものです。
こうすることで元の特徴マップの4分の1まで縮小することができます。
Poolingすることで計算の負荷を下げることができます。
#参考
山下隆義
イラストでわかるディープラーニング 講談社
斎藤康毅
ゼロから作るDeep Learning
畳み込みニューラルネットワークの仕組み
http://postd.cc/how-do-convolutional-neural-networks-work/