特征聚合（feature pooling），工学-信息与通信工程-模式识别-显著性检测-特征聚合，将若干个n维特征组合成一个n维特征的过程或者方法。又称特征池化。在底层特征生成高层特征的过程中起着重要作用。通过特征聚合，不仅可以有效降低最终特征表达的维度，防止过拟合，而且可以使得形成的特征表达具有一定的鲁棒性。例如，对于平移、小范围旋转和尺度变化、遮挡以及形变等。常用的特征聚合方法有最大值聚合、平均值聚合、2范数聚合和1范数聚合等，这些聚合方法各有优劣，需要根据不同的应用需求进行选择。与特征聚合方法结合使用的是特征聚合区域，通常指图像中划分的某一块局部区域，如空间金字塔匹配中使用的金字塔形网格区域划分。特征聚合也是卷积神经网络中常用的一种操作单元，对于卷积神经网络的良好性能有着十分重要的作用。