一个7×7的卷积核可以用三个3×3的卷积核替代，一个5×5的卷积核可以有两个3×3的卷积核替代

从图上我们可以看出，一个30×30的图像经过一个7×7（49个参数）的卷积核之后,输出的feature map的大小为24×24，与经过三个3×3卷积核(27个参数)之后的的输出是一致的。经过一个5×5的卷积核（25个参数）之后,输出的feature map的大小为26×26，与经过两个3×3卷积核（18个参数）之后的的输出是一致的。
可以很明显的看出，在输出相同大小的feature map的情况下，需要的参数大大的减小了。
同时后者可以有3个非线性操作，而前者只有1个非线性操作，这样使得后者对于特征的学习能力更强。