问题引入

CNN中的卷积核大家都知道是干啥的吧，在图像处理中用常用于提取局部的特征。不同大小的卷积核对于提取图像中的不同大小的的一个特征有着不同的作用，那么的卷结合到底有什么用呢？

问题解答

1. 升维或降维：卷积实际上是对每个像素点，在不同的channels上进行线性组合（信息整合），且保留了图片的原有平面结构，调控depth，从而完成升维或降维的功能。进行降维和升维引起人们重视的（可能）是在GoogLeNet里，具体可以参考一下论文。原始模块是左图，右图中是加入了1×1卷积进行降维的。虽然左图的卷积核都比较小，但是当输入和输出的通道数很大时，乘起来也会使得卷积核参数变的很大，而右图加入1×1卷积后可以降低输入的通道数，卷积核参数、运算复杂度也就跟着降下来了。

2. 提高网络的表达能力：加入非线性以提高网络的表达能力。1x1的卷积核由于大小只有1x1，所以并不需要考虑像素跟周边像素的关系，它主要用于调节通道数，对不同的通道上的像素点进行线性组合，然后进行非线性化操作。

参考

[1] https://blog.csdn.net/zhikangfu/article/details/52710266

[2] https://blog.csdn.net/chaipp0607/article/details/60868689

喜欢就关注一下啦~~~