【CNN】卷积神经网络中的 1*1 卷积 的作用

在论文 Network In Network 中，提出了一个重要的方法：$1\times1$ 卷积。这个方法也在后面比较火的方法，如 googLeNet、ResNet、DenseNet ，中得到了非常广泛的应用。特别是在 googLeNet 的Inception中，发挥的淋漓尽致。

初次看到 $1\times1$ 卷积，可能会觉得没有什么作用，因为给人的感觉就是 $1\times1$ 的卷积核好像并没有改变什么。但如果对卷积操作有过深入的理解，就会发现并没有那么简单。

这里强调一下，下图只是用了一个卷积核（filter）。下面的 32 是为了匹配上一层的channels，输出的结果只有一个channel。这里如果不理解，可以看我的另一篇博客，【CNN】理解卷积神经网络中的通道 channel。

总结了一下其作用，主要分为一下两种：

• 改变通道（channels）
  
  • 降维 / 升维
  • 数据融合
  • 减少计算量
• 非线性操作

下面详细介绍一下。

改变通道（channels）

之前有详细讲过对 通道 的理解。通过改变 $1\times1$ 卷积核的数量来改变输出通道的数量。

降维 / 升维

由于 $1\times1$ 并不会改变 height 和 width，改变通道的第一个最直观的结果，就是可以将原本的数据量进行增加或者减少。这里看其他文章或者博客中都称之为升维、降维。但我觉得维度并没有改变，改变的只是 height × width × channels 中的 channels 这一个维度的大小而已。

数据融合

在 ResNet 中，数据要进行相加 ，但有时并不能保证通道大小匹配。这个时候就需要使用 $1\times1$ 卷积操作，是数据在各个维度上进行匹配，从何对两个数据进行计算。

减少计算量

在 GoogLeNet 中，Inception中的卷积多数先进行了 $1\times1$ 卷积操作，再进行其他卷积操作，这样其实可以减少计算量。某些程度上避免了过拟合。

原因如下。
如果不加入 $1\times1$ 而直接使用 $5\times5$ ，

就像这样，得到结果。

需要计算的量为

$$(28\times28\times32) \times(5\times5\times192)$$
大概需要1.3亿次。

而加入了之后，


计算量变为

$$(28\times28\times16) \times(1\times1\times192) + (28\times28\times32) \times(5\times5\times16)$$
大概在1240万左右。

相比之下，计算量减少了10倍多。

非线性操作

在ResNet中，卷积核进行相关计算后，输出的结果需要经过 ReLU 进行非线性转换 。相当于多进行了一次 ReLU 操作，所以这里也会使整个模型相对更加的复杂，提升网络的表达能力。

---

一直在学习中，如有错误，请批评指正。

文中图片引自吴恩达老师的 深度学习课程视频 和 GoogLeNet论文 Going Deeper with Convolutions 。