1×1卷积层的意义及inception层初介绍

一、1×1卷积层

1*1的卷积层本质上是一个完全连接的神经网络，逐一作用于这36个不同位置，它接收32个数的输入，然后输出过滤器数个输出值。又是被成为Network in Network

可以达到不改变图像的高度和宽度，而改变输入的通道数的作用，从而减少计算量

但是要保持192个通道也是可行的，只需要将32换成192就可以。

二、inception层

1、简介

Inception就是将多个卷积或池化操作放在一起组装成一个网络模块，它是一种基于多尺度卷积的网络结构，旨在解决传统CNN在处理不同大小的输入图像时存在的问题。

主要特点：使用了多个不同尺度的卷积核来提取不同尺度的特征。这些卷积核可以并行地应用于输入图像，然后将它们的输出连接在一起，形成一个多通道的特征图。通过这种方式，Inception可以有效地处理不同大小的输入图像，并提取更丰富和多样化的特征。

使用了1x1的卷积核来进行特征图的降维和升维。这些1x1的卷积核可以降低特征图的维度，从而减少模型的参数量和计算量。同时，它们也可以将不同通道的特征图进行组合，形成更加复杂和抽象的特征。

2、计算代