2.4 网络中的网络以及 1×1 卷积(Network in Network and 1×1 convolutions)
Last updated
Last updated
如果是一张6×6×32的图片,使用1×1过滤器进行卷积效果更好。1×1卷积所实现的功能是遍历这36个单元格,计算左图中32个数字和过滤器中32个数字的元素积之和,然后应用ReLU非线性函数
1×1×32过滤器中的32个数字可以理解为一个神经元的输入是32个数字,这32个数字具有不同通道,乘以32个权重(将过滤器中的32个数理解为权重),然后应用ReLU非线性函数,输出相应的结果
如果过滤器是多个,就好像有多个输入单元,其输入内容为一个切片上所有数字,输出结果是6×6×#filters
1×1卷积可以从根本上理解为对这32个不同的位置都应用一个全连接层,全连接层的作用是输入32个数字(过滤器数量标记为,在这36个单元上重复此过程),输出结果是6×6×#filters(过滤器数量),以便在输入层上实施一个非平凡(non-trivial)计算
这种方法通常称为1×1卷积,也被称为Network in Network
假设一个28×28×192的输入层,如果通道数量很大,可以用32个大小为1×1×192的过滤器,使输出层为28×28×32,这就是压缩通道数()的方法
如果想保持通道数192不变,也是可行的,1×1卷积只是添加了非线性函数,也可以让网络学习更复杂的函数
1×1卷积层给神经网络添加了一个非线性函数,从而减少或保持输入层中的通道数量不变,也可以增加通道数量