卷积神经网络笔记——2.5 1*1卷积

1.1*1卷积运算过程

对于6*6*1维度图片来说，进行1*1卷积效果不大，仅相当于图像矩阵的每个值乘了特定数值。但是如果对6*6*62图像矩阵进行1*1卷积，就会起到很大作用 。相当于对输入图像矩阵的每个通道（一共32个通道）进行了卷积操作，输出结果是n*n*过滤器数量，其中n是输入图像H、W维度数值。

1*1卷积网络相当于32个通道单元都应用了全连接网络，这个全连接层的作用是：输入32个数字，输出过滤器数量，过滤器数量标记为，即下一层输入通道数。在36个单元上重复此计算，以便在输入层上进行非平凡计算（这里不理解）。 这种方法称作1*1卷积也称为网络中的网络。

2.1*1网络应用实例

1*1卷积可以压缩输入图像通道数：池化层可以压缩nh、nw，但池化输出通道数与输入通道数相同，因此不能压缩nc。使用1*1卷积后输出矩阵通道数和滤波器个数相同，因此可以压缩nc，以此减少计算量。当然也可以对输出信道数进行任意控制，增加、保持或者减少。1*1卷积只是对输入图像矩阵添加了非线性函数。