毕业设计-基于CNN的无人超市人脸识别系统的设计与实现（附源码+可远程部署安装）

1x1的卷积层

1x1的卷积层是特殊的卷积层
卷积核的高和宽都等于1，意味着它不会识别空间信息，因为他每次只看一个空间像素所以不会去识别通道中的空间信息
但是我们经常用它来合并通道
它输出的值等价于将对应的输入位置上的不同通道上的值做加权和
1x1卷积核的作用就是去融合不同通道的信息可以认为是不做空间的匹配，只是在输入层直接做输入通道和输出通道的融合，等价于将整个输入拉成一个向量，通道数等于feature的数量
1x1的卷积层就等价于一个全连接层，不做任何的控制信息，因为全连接层不考虑空间信息它只考虑在特征维度（也就是输入通道维数）的融合

全连接层（fully connected layers，FC）

在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。
这么做可以减少特征位置对分类带来的影响，本来feature map是一个矩阵，所以特征的位置对分类是有影响的，比如识别图像里面的猫，猫在图像的左上角，那么左上角就可以检测到，右下角就检测不到，但是呢，我们那这个二维的矩阵，通过全连接层，整合成一个值输出，这个值就是对猫的预测概率，不论猫在哪，只要概率大，就是有猫。这样做忽略了空间结构特征，增强了鲁棒性。

开源代码

百度网盘：链接：https://pan.baidu.com/s/1C7ObZZbVGpRO3gf7Vhdx5A?pwd=k19z
提取码：k19z

更多代码 加微信 AI_xiaoao
回复题目【基于XXXX的XXXX系统设计】免费获取源代码
所有代码均可远程部署安装+代码调试讲解