1*1的卷积核在NIN、Googlenet中被广泛使用，但其到底有什么作用也是一直困扰的问题，这里总结和归纳下在...
1*1卷积核在深度学习领域扮演着独特角色。其显著特征是参数量稀少，有助于减轻过拟合，同时，对于调整网络深度和宽度，提升模型性能具有重要作用。在处理数据时，1*1卷积核能够进行降维或升维操作，保持空间维度不变，仅改变通道数量。例如，将通道数从128调整到512，仅需128*512个参数，网络宽度提升四倍。
不同channel之间有很强的相关性，所以1*1的卷积核带来的特征维度的减小不会有太大影响，反而可以解相关...
卷积神经网络中用1-1 卷积核的作用 ,一次性使用多个不同filtersize来抓取多个范围不同的概念,并让网络自己选择需要的特征。你也一定注意到了蓝色的1x1卷积,撇开它,先看左边的这个结构。输入(可以是被卷积完的长方体输出作为该层的输入)进来后,通常我们可以选择直接使用像素信息(1x1卷积)传递到下一层,可以选择3x3...
1*1的卷积可以看做是各通道对应点的线性加权，参数少，能够融合各个通道，在很多网络结构里面都用到了...
(1)1*1卷积可以做信息融合，看一下mobilenet或者shufflenet，采用了Depthwise conv或者Group conv之后，...
降维和升维：1x1卷积也可以用于在保持空间维度不变的情况下，减少或增加特征图的通道数。这有助于减少...
1x1的卷积核可以用来实现通道维度的线性组合，从而调整输出特征图的通道数量和组合不同通道之间的信息。具...
在NIN结构中，用MLP代替传统线性卷积核可以提高网络表达能力，类似于在传统卷积核后面接cccp层（等价于1x1...
一般是放到最后以替换全连接的输出层，形成全卷积网络FCN 。这个主要针对的是Computer vision 中输出值为...