1x1卷积核作用

1x1卷积核主要有2个作用：

1. 控制Channel维度的升降，减少参数计算量
2. 增加网络的非线性表达能力（通过激活函数实现）

        1x1卷积核（1x1 kernel）通常被称为逐点卷积（pointwise convolution）或逐元素卷积（elementwise convolution）。与常规的卷积操作不同，1x1卷积核在水平（左右）方向上只有一个元素。

        1x1卷积核的作用是在通道维度上进行线性变换，可以用来调整通道数、降低维度、增加非线性等。它在卷积神经网络中有多种应用，包括：

1. 降维和增加维度：通过使用1x1卷积核，可以减少或增加特征图的通道数。例如，可以通过应用具有较少通道数的1x1卷积核来减少计算负担和参数量，或者通过应用具有更多通道数的1x1卷积核来增加模型的表征能力。
2. 特征融合：1x1卷积核可以用于在特征图的通道维度上进行融合操作，将不同来源的特征进行线性组合，以获得更高层次的表征。这对于多尺度特征融合和跨层连接非常有用。
3. 非线性变换：尽管1x1卷积核在空间维度上没有感受野，但在通道维度上仍然可以引入非线性变换，通过应用激活函数来增加模型的表达能力。

        需要注意的是，由于1x1卷积核在空间维度上没有感受野，因此无法捕捉局部空间结构。其主要作用是在通道维度上进行线性变换和特征融合。在卷积神经网络中，1x1卷积核通常与其他尺寸的卷积核（如3x3、5x5等）结合使用，以构建多尺度的特征提取网络。