普通max pooling反向传播与RoI max pooling反向传播解读

• 概述

无论max pooling还是mean pooling，都没有需要学习的参数。因此，在卷积神经网络的训练中，Pooling层需要做的仅仅是将误差项传递到上一层，而没有梯度的计算。

（1）max pooling层：对于max pooling，下一层的误差项的值会原封不动的传递到上一层对应区块中的最大值所对应的神经元，而其他神经元的误差项的值都是0；

（2）mean pooling层：对于mean pooling，下一层的误差项的值会平均分配到上一层对应区块中的所有神经元。
 

• 普通池化：

参考链接：https://blog.csdn.net/Jason_yyz/article/details/80003271

上图中，第二行中表示后一层中所计算梯度均为1，故传递至输入中为1，其余位置均为0。以下所有图示中后一层反向输入的梯度均默认为1。

• RoI 池化