作者:RayChiu_Labloy
版权声明:著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处
1*1卷积核的作用
- 升维降维
- 增加激活函数提升模型语义能力
- 减少参数量
- 通道间数据整合(也是降维升维过程中带来的好处,输入层和1*1卷积核连接类似全连接)
大卷积核和小卷积核比较
首先只有在1*1卷积核之上大小的卷积核才有感受野的作用。
卷积核大了感受野大,可以审视更为宽广区域的feature Map,所获得的全局特征越好。虽然很多情况下可以由几个小的卷积核代替(例如一个7*7的卷积核可以由3个3*3的卷积核代替),但是虽说网络增加了深度有很多优点,但是也会增加梯度消失的风险。
反过来说连续的小卷积核代替大卷积核是现在比较常用的做法,优点很多,比如深度增加带来的非线性激活函数多了,语义表达强了,计算量也会变少,参数量也同样变少,梯度消失的问题因为BN等技术出现得到了很好的优化。另外深度增加语义表达能力增加了,在一些情况下还容易出现过拟合,有时候还不如浅层模型效果好,防止过拟合的方法也出现了很多,也很好解决了这些问题,参考:详细讲解深层神经网络DNN_RayChiu757374816的博客-CSDN博客_dnn神经网络
【如果对您有帮助,交个朋友给个一键三连吧,您的肯定是我博客高质量维护的动力!!!】