1x1卷据层的作用
1. 尽管1x1的卷据不会捕捉空间特征(spatial features/patterns,直观点说就是2D平面图的纹理特征),但是他们能很好基于通道(channel-wise/along the depth dimension)的特征学习;
2. 由于是基于通道上的学习,因此他们能输出更少的特征图(这也是为什么他们能降低参数量学习的原因),比如某层神经网络的学习层的输出的特征图数量是256,可以通过1x1卷积层(filters的数量为128)可以将输出变为128个特征图,这也称之为降维学习;
3. 1x1 conv + 3x3 conv或者1x1 conv + 5x5 conv的卷积学习理论上可以捕捉到更复杂的特征,可以想象一下就是3x3的卷积捕捉纹理特征,而1x1的卷积可以基于通道捕捉特征图之间的管理;
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步