为什么使用 1* 1卷积核?
作用:
1、实现跨通道的交互和信息整合
2、 进行卷积核通道数的降维和升维
3、 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
跨通道的交互和信息整合
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,3 * 3,64channels的卷积核前面添加一个1 * 1,28channels的卷积核,就变成了3 * 3,28channels的卷积核,原来的64个channels就可以理解为跨通道线性组合变成了28channels,这就是通道间的信息交互。
(平均池化是针对每个feature map的平均操作,没有通道间的交互,而1×1卷积是对通道的操作,在通道的维度上进行线性组合)
一个filter对应卷积后得到一个feature map不同的filter(不同的weight和bias),卷积以后得到不同的feature map,提取不同的特征,得到对应的specialized neuro。
卷积核的升降维度取决于卷积核的通道数!
假设输入图的为 32 * 32 * 3(长宽各32,通道数为3)。
使用6个 1 * 1的卷积核卷积,得到的输出图大小为32 * 32 * 6,(每个卷积核输出图在深度axis上堆叠)相当于升维。
使用2个 1 * 1的卷积核卷积,得到的输出图大小为32 * 32 * 2,(每个卷积核输出图在深度axis上堆叠)相当于降维。
1 * 1的最大的作用就是升/降特征维度(通道数),而不改变图片的宽高。
增加非线性特性
卷积层之后经过激励层,1*1的卷积在前一层的学习表示上添加了非线性激励 ,增加了非线性表达能力
扫描二维码关注公众号,回复:
11946723 查看本文章