1×1卷积核的作用

1×1卷积核的作用

1×1卷积核的主要功能之一确实是改变通道数目，这样可以有效减少计算量和模型参数，同时也能增加网络的深度和复杂性。这种卷积操作不会改变原始图像或特征图的宽度和高度，而是仅改变通道数。通过对所有输入通道的相同位置的像素进行加权求和，它可以将输入通道融合成较少的输出通道。

示例:

假设有一个特征图的尺寸为 $32\times 32\times 64$，即宽度为32个像素，高度为32个像素，有64个通道。

现在我们想用一个 $1\times 1$ 卷积层来减少通道的数量，从64个减少到16个，提高网络效率和改变特征表示。

• 输入特征图: $32\times 32\times 64$ (宽度 x 高度 x 通道数)
• 卷积层: 使用 $1\times 1$ 卷积核，设定输出通道数为16。
• 输出特征图: $32\times 32\times 16$

在 $1\times 1$ 卷积操作中，每一个输出通道都是通过对所有64个输入通道在相同空间位置（同一个宽度和高度）的像素进行加权求和，然后可能加上一个偏置项，来生成的。每个新的输出通道有自己的一组64个权重，这些权重决定了如何从输入的64个通道中融合信息。因此，通过这种方式，原先的64个通道被压缩或融合为16个通道。

在这个过程中，$1\times 1$ 卷积层实际上充当了一个全连接层，为每个位置的像素提供了一个从64维到16维的线性变换。这个操作显著减少了后续层需要处理的数据量，同时还保持了原始空间维度（宽度和高度）的大小不变。通过这种方式，$1\times 1$ 卷积核在降低模型复杂度和计算需求的同时，还可以通过重新组合通道信息来提炼和改进特征表示。