¿Por qué se utiliza la convolución con núcleo 1x1 en las redes neuronales?

La convolución con núcleo 1x1 en redes neuronales se utiliza para varios propósitos:

• Cambio en el número de canales (profundidad): La convolución 1x1 permite reducir o aumentar eficazmente la cantidad de canales sin afectar las dimensiones espaciales de la imagen.
• Introducción de no linealidad y mezcla de canales: después de la convolución 1x1, generalmente se aplica una activación, lo que ayuda al modelo a aprender representaciones más complejas.
• Optimización de cálculos: las convoluciones 1x1 se usan a menudo en arquitecturas como ResNet o Inception para reducir la carga computacional, reemplazando convoluciones más pesadas.

Ejemplo: si tienes un tensor de tamaño 28x28x256, aplicar una convolución 1x1 con 64 filtros dará una salida de 28x28x64, reduciendo eficazmente la dimensionalidad de las características.

Por lo tanto, la convolución 1x1 es una herramienta para gestionar la dimensionalidad y aumentar la expresividad del modelo sin cambiar las características espaciales de los datos.