1×1 卷积（Network in Network）

介绍1*1卷积核作用，为谷歌Inception做铺垫。

首先在不考虑卷积核数量的情况下，1*1卷积增加了非线性。

 

在CNN中，假设有一个28×28×192的输入层，可以使用池化层压缩它的高度和宽度。但如果通道数量很大，该如何把它压缩为28×28×32维度的层呢？你可以用32个大小为1×1的过滤器，严格来讲每个过滤器大小都是1×1×192维，因为过滤器中通道数量必须与输入层中通道的数量保持一致。但是你使用了32个过滤器，输出层为28×28×32，这就是压缩通道数Nc的方法，对于池化层我只是压缩了这些层的高度和宽度。

若卷积核数量如果与输入保持相同，则单纯地向网络增加非线性。

总得来说，1*1卷积核在增加网络非线性的同时，可以调整该层通道的数量，巧妙地利用1*1卷积可以大大地压缩参数并减少计算量。