卷积神经网络中1x1卷积的作用

1x1卷积的作用

1、 降维（减少参数）

在并行pooling层后面加入1×1卷积层后也可以降低输出的feature map数量（feature map尺寸指W、H是共享权值的滑动窗口，feature map 的数量就是channels）

2、升维（用最少的参数拓宽网络channel）

3、跨通道信息交互（channel的变换）
使用1*1卷积核，实现降维和升维的操作其实就是channel间信息的线性组合变化，即通道间的信息交互。

注意：只是在channel维度上做线性组合，W和H上是共享权值的滑动窗口

4、增加非线性特性
1*1卷积核，可以在保持feature map尺度不变的（即不损失分辨率）的前提下大幅增加非线性特性（利用后接的非线性激活函数），把网络做的很深

5、可以将1x1卷积看成全连接层

参考文章：https://mp.weixin.qq.com/s/ZZ6eYEmHtTH_swSYqbIJyg