1*1 卷积核

1*1 卷积核的作用：

1）改变通道（channels）

1. 跨通道的特征整合，数据融合
2. 特征通道的升维和降维
3. 减少卷积核参数（简化模型），减少计算量

2）非线性操作

注意⚠️：1*1卷积一般只改变输出通道数，而不改变输出的高度和宽度

一、GoogLeNet用1*1卷积降低网络参数量：

初始Inception：

• 不同大小的卷积核意味着不同大小的感受野，拼接表示不同尺度特征的融合
• 卷积核大小采用1、3和5，分别设定pad=0、1、2，卷积后得到相同维度的特征

改进Inception：利用1*1卷积降维，减少参数量

例如上一层输出为100*100*128，经过256个5*5卷积，输出100*100*256，卷积层参数为128*5*5*256。

若上一层输出先经过32个1*1卷积层，再经过256个5*5卷积，最终输出仍为100*100*256，卷积层参数减少为128*1*1*32+32*5*5*256，约减少4倍。

 二、ResNet用1*1卷积减少参数量：

三、深度可分离卷积应用1*1卷积提取通道关联信息

四、FPN利用1*1卷积实现不同特征层的channel数对齐，进而实现多层特征融合