1x1卷据层的作用
2024-09-17 04:43:17
1. 尽管1x1的卷据不会捕捉空间特征(spatial features/patterns,直观点说就是2D平面图的纹理特征),但是他们能很好基于通道(channel-wise/along the depth dimension)的特征学习;
2. 由于是基于通道上的学习,因此他们能输出更少的特征图(这也是为什么他们能降低参数量学习的原因),比如某层神经网络的学习层的输出的特征图数量是256,可以通过1x1卷积层(filters的数量为128)可以将输出变为128个特征图,这也称之为降维学习;
3. 1x1 conv + 3x3 conv或者1x1 conv + 5x5 conv的卷积学习理论上可以捕捉到更复杂的特征,可以想象一下就是3x3的卷积捕捉纹理特征,而1x1的卷积可以基于通道捕捉特征图之间的管理;
最新文章
- ASP.NET MVC5+EF6+EasyUI 后台管理系统(52)-美化EasyUI皮肤和图标
- 关于这个博客以及C++入门该懂的一些东西
- JQuery_过滤选择器
- 在matlab中进行遥感影像地理坐标的相互转换
- php + mysql + sphinx 的全文检索(2)
- Forstner算子
- malloc/free和new/delete的区别汇总
- JS获取URL中参数值(QueryString)的4种方法
- JS获取浏览器类型和版本号
- 设计模式のChainOfResponsibilityPattern(责任链模式)----行为模式
- 动态分析Android程序
- 博客(二)注册页面django
- matplotlib可视化之如何给图形添加数据标签?
- html 子元素和父元素都监听了 click 事件,点击子元素时为何先触发的是父元素的 click 事件?
- 鸟哥的私房菜:Linux文件与目录管理
- Dropwizard简单入门
- python3文件操作方法
- 使用Keras实现机器翻译(英语—>;法语)
- Ceres优化
- MySQL性能调优与架构设计——第8章 MySQL数据库Query的优化