Page 29 - Revista 2021 - 2022

Revista de la Facultad de Ingeniería, Año 7, Número 1
Agrupación (Pooling)

La capa de agrupación o pooling tiene dos funciones principales, reducir la
dimensionalidad de la matriz y con ello el poder de cómputo necesario para
procesarla, y ayudar a extraer características que no dependen de la posición ni de la
rotación, sacrificando muy poca información en el proceso. La reducción se logra a
medida que el filtro se desplaza por la matriz original, donde en cada uno de los
pasos se realiza una operación matemática y cuyo resultado se registra en la matriz
resultante. Existen dos tipos de agrupaciones: por el máximo (Max Pooling) (ver
Figura )o promedio (Average Pooling)(ver Figura ) y como su nombre lo indica, el
primero de ellos consiste en quedarse con el mayor valor de los números analizados
mientras que el segundo consiste en hacer un promedio de los valores analizados. En
la figura que se presentan los resultados de aplicar ambos métodos a la misma
matriz origen.

Figura 5: Aplicación de Max. pooling
Nota: Fuente: Elaboración propia

Figura 6: Aplicación de Avg. Pooling
Nota: Fuente: Elaboración propia

La capa de agrupación permite seleccionar o calcular los valores relevantes o
representativos para cada conjunto de datos analizados, este valor calculado (ya sea
por máximo o promedio) permite a la capa siguiente continuar obteniendo patrones
cada vez más específicos o detallados, que en una matriz de mayores dimensiones se
perderían.

Esta técnica permite detectar patrones genéricos y de alto nivel en las primeras
iteraciones, para luego que avanzan las capaz detectar patrones más específicos. Para
ejemplificar lo anterior, una red neuronal convolucional al analizar la foto de una
casa, lo primero que detectaría sería el contorno, las líneas rectas; mientras que en
pasos más avanzados se detectarían las ventanas, vidrios, ladrillos, etc.

28