卷积层当中1x1卷积的作用

1x1卷积，也称为深度卷积（Depthwise Convolution），在卷积神经网络（CNN）中起着关键作用，特别是在处理特征维度时。它的核心特点是只包含一个滤波器（kernel），其大小仅为1x1像素，这使得它不会改变输入的空间尺寸，而是对每个通道（feature map）进行独立的线性变换。

1. 参数效率：由于只有一个滤波器，所以计算量较小，有助于减少模型参数，避免过拟合，并加快训练速度。

2. 局部感知不变性：尽管1x1卷积没有空间上下文，但它保留了原始数据的局部信息，对于提取深层特征特别有用。

3. 情境下的特征融合：在一些网络结构中，如Inception系列或者ResNet中，1x1卷积常用于将多个通道的数据压缩到相同的通道数，然后通过后续的全连接卷积或其他操作进行融合，增加网络表达能力。