对于1x1矩阵最直观的感受是能有什么作业,滑动的时候怎么提取特征。其实最开始就理解错了。1x1卷积不是用来取特征的,而是用来降维和升维
1x1卷积核,又称为网中网(Network in Network)
理解中的样子
emmm, 这不就是对每个像素乘以卷积核权重嘛,比较好理解
降维和升维
当输入时多通道的,比如上图32通道,6x6大小。给定卷积6x6,既然做卷积操作,卷积核的通道数要与输入通道数一致,所以实际上卷积的参数为6x6x32。
如果只个1个卷积核,那么结果就变为1通道,结果中的每个像素值是32个通道累加的结果。所以给定卷积核个数小于输入通道数就实现降维。如果大于则升维。
输入通道为3
左图卷积个数为2<3,所以降维
右图卷积个数为4>3,所以升维