卷积神经网络中的多通道卷积与1*1卷积

多通道卷积：

输入图片： $n*n*n_{channels}$

卷积核： $n_{kernels}$ 个 $n*n*n_{channels}$

输出图片： $n*n*n_{kernels}$

1*1卷积的特殊情况：

输入图片： $n*n*n_{channels}$

卷积核： $n_{kernels}$ 个 $1*1*n_{channels}$

输出图片： $n*n*n_{kernels}$

inputpicture:Rlayer,Glayer,Blayer

purplelayer=α1×Rlayer+α2×Glayer+α3×Blayer

yellowlayer=β1×Rlayer+β2×Glayer+β3×Blayer

outputpicture:purplelayer,yellowlayer

可以看出，1*1卷积类似于神经网络的全连接层。新的层就是输入feature map的线性组合，实现了通道数的增加或减少，同时跨通道整合了不同层feature map的信息。