一、图像特征提取器简述
图像特征提取器是可用于从图像中学习表示的函数或模块。最常见的特征提取器类型是卷积，其中内核在图像上滑动，允许参数共享和平移不变性。
在深度学习技术的快速发展过程中，基于卷积也演变出来了若干新技术由于图像特征的提取，这里进行了一下简单梳理，一是加强了解，二是备忘。
下面的清单每项都只是一个概念，因为每个概念都产生了若干论文。
1、卷积
卷积是一种矩阵运算，由一个内核组成，一个小的权重矩阵，它滑过输入数据，执行逐元素乘法与它所在的输入部分，然后将结果相加到输出中。
直观地说，卷积允许权重共享 - 减少有效参数的数量 - 和图像转换（允许在输入空间的不同部分检测相同的特征）。
2、1x1 卷积
1 x 1 卷积是一种具有一些特殊属性的卷积，因为它可用于降维、高效的低维嵌入以及在卷积后应用非线性。它将输入像素及其所有通道映射到输出像素，输出像素可以压缩到所需的输出深度。它可以被视为查看特定像素位置的MLP。
3、深度卷积
英文是Depthwise Convolution，标题的翻译未必精准，就一看就好，主要还是了解概念。