winper001的博客

主要有两点作用：1x1 卷积可以压缩信道数。池化可以压缩宽和高。1x1卷积给神经网络增加非线性，从而减少或保持信道数不变，也可以增加信道数。如下图可以形象表示：实现跨通道的交互和信息整合1×1的卷积层（可能）引起人们的重视是在NIN的结构中，论文中林敏师兄的想法是利用MLP代替传统的线性卷积核，从而提高网络的表达能力。文中同时利用了跨通道pooling的角度解释，认为文中提出的ML...

inception v1-v4v1模型inception v1的模型是将1X1,3X3,5X5的卷积层和3X3的pooling层堆在一起。主要考虑到两个方面，一是增加了网络的宽度，另一方面是增加了网络对尺度的适应性。第一张图是论文中提出的最原始的版本，所有的卷积核都在上一层的所有输出上来做，那5×5的卷积核所需的计算量就太大了，造成了特征图厚度很大。为了避免这一现象提出的inceptio...