Por que é que se utiliza convolução com núcleo 1x1 em redes neuronais?

A convolução 1x1 em redes neuronais é usada para vários fins:

• Alterar o número de canais (profundidade): A convolução 1x1 permite reduzir ou aumentar eficazmente o número de canais, sem afetar as dimensões espaciais da imagem.
• Introdução de não linearidade e mistura de canais: após a convolução 1x1, geralmente é aplicada uma ativação, o que ajuda o modelo a aprender representações mais complexas.
• Otimização de cálculos: as convoluções 1x1 são frequentemente usadas em arquiteturas como ResNet ou Inception para reduzir a carga computacional, substituindo convoluções mais pesadas.

Exemplo: se você tem um tensor de tamanho 28x28x256, aplicar uma convolução 1x1 com 64 filtros resultará em uma saída de 28x28x64, reduzindo efetivamente a dimensionalidade das características.

Assim, a convolução 1x1 é uma ferramenta para gerenciar a dimensionalidade e aumentar a expressividade do modelo sem alterar as características espaciais dos dados.