摘要：卷積神經網絡(CNN)具有權值數量少,訓練速度快等優點,在圖像識別、機器視覺等領域得到廣泛應用。本文提出了一種卷積神經網絡的自適應加權池化算法,算法通過生成合并通道,并在學習掩模的引導下匯集特征,優化了子采樣模型的特征提取,有效改善了網絡的識別準確性和快速性。利用該算法對磁片表面缺陷進行檢測實驗,實驗結果表明,本文提出的池化模型使卷積神經網絡對特征的提取更加精確,同時提高了收斂速度和魯棒性,并且可以應用于各種深度神經網絡體系結構中。