笔记 - 卷积网络：1×1卷积核

最新推荐文章于 2025-04-28 09:51:19 发布
原创 最新推荐文章于 2025-04-28 09:51:19 发布 · 431 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了1x1卷积核在深度学习中的独特作用，包括其作为高效特征提取器的角色，如何通过最少的参数实现数据通道的增减，以及它在增加网络非线性方面的贡献。此外，文章还对比了1x1卷积核与全连接层的关系，指出1x1卷积可以视为全连接层的一种特例。
  • 首先是卷积核的作用
1.比全连接参数少很多的特征提取器
2.数据通道增加或减少
  • 1x1卷积核与其他大小卷积核的不同
用最少的参数实现数据通道地增加或减少

减少数据通道的作用：减少接下来的计算量，减少参数

other观点

  • 增加非线性
  • 相当于一个全连接网络

我觉得不太像
用1×1卷积核做全连接，只是1×1卷积核作用的一个特例

资料

深度学习——1×1卷积核理解
全 中文字幕 - 深度学习_吴恩达_DeepLearning.ai

【YOLOv8改进-卷积Conv】 AKConv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
01-17 1万+
【YOLOv8改进-卷积Conv】 AKConv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积 ，赋予卷积核任意数量的参数和任意采样形状，为网络开销和性能之间的权衡提供更丰富的选择，解决具有固定样本形状和正方形的卷积核不能很好地适应不断变化的目标的问题点
【深度学习】CNN 中 1x1 卷积核的作用
frank 的专栏
10-19 1万+
最近研究 GoogLeNet 和 VGG 神经网络结构的时候，都看见了它们在某些层有采取 1x1 作为卷积核，起初的时候，对这个做法很是迷惑，这是因为之前接触过的教材的例子中最小的卷积核是 3x3 ，那么，1x1 的卷积核有什么意义呢？ 最初应用 1x1 卷积核的神经网络是 Network In Network，然后 GoogLeNet 和 VGG 也不约而同的更正了。 他们在论文中解释，大概有下...
深度学习基础学习-1x1卷积核的作用（CNN中）
热门推荐
小夭的博客
11-09 2万+
1x1卷积核作用
1x1卷积和池化操作
qq_40630902的博客
08-07 2412
1x1卷积和池化操作 1. 本质 1x1卷积和池化操作的本质是压缩feature mapping（输入层） 1x1卷积通过改变feature mapping（输入层）的通道数量，具体操作是减少通道数量实现压缩 池化操作通过改变feature mapping（输入层）的尺寸（宽和高） 2. 1x1卷积操作 假设这是一个28×28×192的输入层，如果通道数量很大，该如何把它压缩为28×28×32维度的层呢？你可以用32个大小为1×1的过滤器，严格来讲每个过滤器大小都是1×1×192维，因为过滤器中通道数量
1x1的卷积核的作用
weixin_38241876的博客
03-25 263
主要用于线性变换，保持输入输出的通道数不变，而使得尺寸发生变化。
笔记 - 卷积神经网络：卷积核数量 与 网络性能之间的关系
chen_holy的博客
06-06 3065
参考 卷积滤波器核的数量与网络性能之间的关系 当前神经网络只有 一层卷积层，一层activation，一层池化，一层全连接 难道卷积核数量越多，准确率就越高吗，那还要深层网络干嘛？？ ...
精选资源
ElitesAI·动手学深度学习PyTorch版学习笔记-卷积神经网络基础；leNet；卷积神经网络进阶
01-20
1 卷积神经网络基础 1.1 二维卷积 本小节介绍了二维卷积，主要用于图像数据（刚好是二维的数据）处理。 二维卷积通过输入二维数据和二维核数据的运算（卷积），得到一个小于输入数据的二维输出数据，但是该输出数据...
深度学习笔记（四）：卷积神经网络week1--卷积神经网络
weixin_42503072的博客
04-10 1816
1.计算机视觉 1.1 计算机视觉的3个问题 （1）图像分类 图像分类是一个在工业界广泛使用的需求，从最早的识别手写数字，邮编到现在的人脸识别。 （2）物体检测 目前物体检测的应用也相当广泛。比如通过城市与道路上的监控视频可以实时捕捉车辆，行人的动态；再比如自动驾驶汽车中也是通过车身上大量摄像头去捕捉周围的环境状况，从而做出相应合理的响应。 （3）风格迁移 这是近几年火了一段时间的风格迁移，虽...
11.人工智能原理-卷积神经网络：图像识别实战
wanlin_yang的博客
03-11 1645
本节课介绍了LeNet-5神经网络，它包括了两层卷积层、两层池化层。通过编程实验，我们发现LeNet-5神经网络在mnist的测试计算的准确率高，而且相比于上节课三层隐藏层，LeNet-5神经网络参数网实际上要少很多。当然这还是一个最早期的卷积神经网络结构，那在后期出现的更加复杂的卷经网络，比如AlexNet 、VGG等，在图像识别领域中的效果也越来越好。
1x1卷积核的作用
baicaiBC3的博客
01-07 3047
之前只是知道1x1的卷积核用在Inception模块中具有降维的作用，并没有认真的思考它是怎么样实现降维的，以及它还有哪些作用。于是查阅了一些资料，并记录了它的一些作用，如下： 一、灵活的控制特征图的深度 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，可以完成升维和降维的功能，如下图所示，选择2个1x1大小的卷积核，那么特征图的深度将会从3变成2，如果使用4个1x1的卷积核，特征图的深度将会由3变成4。
1x1卷积核作用
02-04 158
1. 实现跨通道的交互和信息整合 对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积核数量！ 对多通道图像做1x1卷积，其实就是将输入图像于每个通道乘以卷积系数后加在一起，即相当于把原图像中本来各个独立的通道“联通”在了一起。 2. 进行卷积核通道数的降维和升维 进行降维和升维引起人们重视的（可能）是在GoogleNet里。对于每一个inception模...
浅析1×1卷积核的作用
ywhshixiaobai的博客
05-16 728
最近在啃有关cv方向的论文的时候，总会在网络结构中出现1×1的卷积核，之前一直是模棱两可的带过。故借此条博客，想把我理解的1×1卷积核的作用做一总结归纳。 （1）升维和降维 我们知道，图片经过1×1的卷积核是不会改变其高和宽的，所以想在不改变尺寸的情况下进行升维和降维就可以用到1×1的卷积核。 a(升维) (b)降维 (2)各通道特征融合 这是1×1卷积核的核心作用，如图(b)所示，原来64通道的输入经过1×1卷积核之后，变成了32通道的输出。从64到32， 可以理解为64个通道
1×1卷积核的作用简介
最新发布
GHL_17768588743的博客
04-28 690
1×1卷积核是卷积神经网络中的一种特殊卷积操作，其核心功能可概括为‌通道操作与计算优化‌，在深度学习中具有广泛应用。
【深度学习】1x1卷积核的作用
ncc1995的博客
06-28 364
1×1卷积的作用 以下内容摘抄自：http://www.caffecn.cn/?/question/136 问：发现很多网络使用了1X1卷积核，这能起到什么作用呢？另外我一直觉得，1X1卷积核就是对输入的一个比例缩放，因为1X1卷积核只有一个参数，这个核在输入上滑动，就相当于给输入数据乘以一个系数。不知道我理解的是否正确 答1： 对于单通道的feature map和单个卷积核之间的卷积来说，...
【转载】1x1卷积核的作用
LIsaWinLee的博客
05-09 333
1×1卷积的作用
深度学习笔记：卷积神经网络详解
卷积核在输入数组上滑动，对每个位置上的输入子数组与卷积核进行逐元素乘法后求和，形成输出数组的一个元素。这个过程可以有效地捕捉输入数据的空间关系，发现局部特征。 卷积层的一些关键参数包括： 1. **填充...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值