解释卷积神经网络中池化层的工作原理及其核心特征。

回答思路

1. 【回答框架 1】池化是一种下采样操作，通过在输入的局部区域内进行聚合统计来降低特征图的空间尺寸。常见类型有最大池化和平均池化。
2. 【回答框架 2】池化的核心原理是：在滑动窗口内，最大池化取区域内最大值，平均池化取平均值，从而保留主要特征并减少参数计算量。
3. 【回答框架 3】池化的作用包括：特征降维、防止过拟合、提高平移不变性，以及扩大感受野。
4. 【回答框架 4】池化不引入额外参数，计算简单，但在某些任务中可能丢失细节信息，因此有时会采用自适应池化或丢弃池化层。
5. 【关键点 1】池化是下采样操作，通过聚合局部区域统计量降低空间尺寸。
6. 【关键点 2】最大池化保留最强激活，平均池化保留平均响应。
7. 【关键点 3】池化提升平移不变性并减少计算量，但可能丢失细节。
8. 【易错点 1】错误认为池化能完全消除过拟合，实际需结合其他正则化手段。
9. 【易错点 2】混淆池化与卷积步长下采样的区别，池化无学习参数。