1*1卷积核的作用

1.改变模型维度

• 二维的输入数据（如\(6*6\)）和\(1*1\)的卷积核 卷积，相当于原输入数据直接做乘法
• 三维的输入数据（如\(6*6*32\)）和\(1*1*32\)的卷积核卷积，相当于卷积核的32个数对原输入数据的32个数加权求和，结果填到最右侧对应方框中
• 升维还是降维取决于卷积核的个数

2.减少模型参数，增加模型深度

• 图(a)中，参数个数：(1×1×192×64) + (3×3×192×128) + (5×5×192×32) = 153600 ？

  ​ 最终输出的feature map个数：64+128+32+192 = 416

• 图(b)中，参数个数（1×1×192×64）+（1×1×192×96+3×3×96×128）+（1×1×192×16+5×5×16×32）+（1x1x32）=15904

  ​ 最终输出的feature map个数： 64+128+32+32=256

• 汇合层（pooling layer）进行取最大值/均值操作，并不引入参数

参考链接

---

【1】https://mooc.study.163.com/learn/2001281004?tid=2001392030#/learn/content?type=detail&id=2001729330&cid=2001725134

【2】https://blog.csdn.net/qq_27871973/article/details/82970640

转载于:https://www.cnblogs.com/jngwl/articles/10525401.html