深度学习笔记005-不同大小卷积核心的作用

1×1卷积

1. 增加非线性：
   1×1卷积核的卷积过程相当于全连接层的计算过程，并且还加入了非线性**函数，从而可以增加网络的非线性，使得网络可以表达更加复杂的特征。
2. 特征降维：
   通过控制卷积核的数量达到通道数大小的放缩。特征降维带来的好处是可以减少参数量和减少计算量。

空洞卷积

空洞卷积（atrous convolutions）又名为扩张卷积（dilated convolitions），向卷积层引入了一个成为“扩张率（dilation rate）”的新参数，该参数定义了卷积和处理数据时各值之间的距离。空洞卷积提供了更大的感受野。

空洞卷积的作用：在相同感受野的情况下，使用空洞卷积可以得到个更大的特征图，可以获得更加密集（Dense）的数据。在相同感受野的情况下，更大的特征图有助于在目标检测和目标分割的任务中对小物体的识别分割效果。（使用空洞卷积能够更好的保留一些特征）