1 * 1卷积层

对于1 * 1卷积层自己的一点理解

1 *1 卷积层最早是2014年ICLR的一篇名为《Network In Network》的论文提出的从下面图片可以看成 1 * 1卷积层其实就相当于全连接层也就是相当于输入乘以权重。它为改变输入的大小，

1*1 卷积的作用
一、 实现特征通道的升维和降维
　　通过控制卷积核的数量达到通道数大小的放缩。而池化层只能改变高度和宽度，无法改变通道数。

二、 增加非线性
　　1×1卷积核的卷积过程相当于全连接层的计算过程，并且还加入了非线性激活函数，从而可以增加网络的非线性，使得网络可以表达更加复杂的特征。

三、 减少卷积核参数（简化模型）
　　在Inception Network中，由于需要进行较多的卷积运算，计算量很大，可以通过引入1×1确保效果的同时减少计算量。具体可以通过下面例子量化比较

总结

1×1卷积大部分时候都是升维或降维的作用，因为1*1卷积不会对相邻像素之间的关系进行学习，但却可以通过改变卷积后的通道数实现特征图数据的增加或减少。

可以升降维度，创造更多（少）的feature map1*1卷积虽然没法捕捉空间上的pattern，但是可以捕捉深度上的pattern

一般和其他卷积层组合使用，比如说一对([1 x 1, 3 x 3],[1 x 1, 5 x 5])卷积层能想象成一个卷积层，能捕捉更复杂的pattern。