1. 공간 해상도 축소
합성곱 결과의 공간 크기를 줄여 계산량을 감소시킨다. 이는 메모리 사용과 연산량을 직접적으로 절감한다.
2. 지역적 특징의 요약
필터가 만드는 활성화 값 중 핵심 값만 남겨 지역 패턴을 집약한다.
-
Max pooling: 국소 영역의 존재 여부를 강조
-
Average pooling: 국소 영역의 평균적 경향을 반영
3. 미세 변동에 대한 불변성 확보
입력의 미세한 이동·노이즈 변화가 출력에 크게 반영되지 않도록 한다. 공간적 안정성을 확보한다.
4. 과적합 억제 효과
특징 맵의 과도한 세부정보를 제거해 모델 복잡도를 조절한다. 이는 간접적으로 일반화 성능을 높인다.
5. 구조적 계층 형성
초기 계층에서는 낮은 수준의 특징을, 깊은 계층에서는 더 넓은 수용영역의 특징을 학습하게 하는 계층적 표현 구조를 만든다.