Warum wird in neuronalen Netzen eine Faltung mit einem 1x1-Kern verwendet?

Die Faltung mit 1x1-Kern in neuronalen Netzen wird für mehrere Zwecke verwendet:

• Änderung der Kanalzahl (Tiefe): Die 1x1-Faltung ermöglicht es, die Anzahl der Kanäle effizient zu verringern oder zu erhöhen, ohne die räumlichen Abmessungen des Bildes zu beeinflussen.
• Einführung von Nichtlinearität und Kanal-Mischung: Nach der 1x1-Faltung wird in der Regel eine Aktivierung angewendet, die dem Modell hilft, komplexere Darstellungen zu erlernen.
• Optimierung der Berechnungen: 1x1-Faltungen werden häufig in Architekturen wie ResNet oder Inception verwendet, um die Rechenbelastung zu verringern, indem schwerere Faltungen ersetzt werden.

Beispiel: Wenn Sie einen Tensor der Größe 28x28x256 haben, ergibt die Anwendung einer 1x1-Faltung mit 64 Filtern eine Ausgabe von 28x28x64, was die Merkmalsdimensionen effektiv reduziert.

Daher ist die 1x1-Faltung ein Werkzeug zur Steuerung der Dimensionalität und zur Erhöhung der Ausdruckskraft des Modells, ohne die räumlichen Eigenschaften der Daten zu verändern.