Googlenet 中1*1 卷积核分析

• 一种简单的解释是用来降维。

For example, an image of 200*200 with 50 features on convolution with 20 filters of 1*1 would result in size of 200*200*20.

但是，1*1卷积核的作用不仅仅于此。

• 特征变换

     1*1卷积是在Network in Network 中第一次被提出来，作者的目的是为了得到一个深的网络，但作者并不想直接垂直的堆砌一些layer。作者用了一些1*1，3*3的卷积层，因此

最后的网络架构其实是going wide. 在googlenet中，1*1卷积核有两个作用：

1.     为了使得网络更深，作者引入了类似Network in Network 中的"inception module"
2. 为了降低维度
3. 为了增加更多的非线性变换(eg. RELU)

• 其他作用

1. 1*1卷积核可以结合max pooling
2. 1*1卷积核可以设置大的步长，这样可以在丢失非常少的信息下降低数据的维度
3. 取代fc层。

 

转载于:https://www.cnblogs.com/xthrough/p/6394220.html