What are 1x1 Convolutions in Deep Learning?
3-Second Blueprint (English)
- A 1x1 convolution slides a 1x1xC_in filter across an HxWxC_in tensor, acting like a shared fully connected layer across channels.
- Inception modules and ResNet-50+ bottleneck blocks use 1x1 convolutions with ReLU to compress channel depth and cut compute.
- Unlike fixed spatial pooling that shrinks HxW, 1x1 convolutions preserve spatial resolution while learning channel projections.
1x1 ConvolutionResNet Bottleneck BlockInception ArchitectureChannel Dimensionality
3-Sekunden-Fazit (Deutsch)
- Eine 1x1-Faltung schiebt einen 1x1xC_in-Filter über HxWxC_in-Tensoren wie ein geteiltes dichtes Schichtneuron über alle Kanäle.
- Inception-Module und ResNet-50+-Bottlenecks nutzen 1x1-Faltungen samt ReLU, um die Kanaltiefe und Rechenlast zu senken.
- Anders als festes Pooling über HxW erhält die 1x1-Faltung die Raumauflösung und lernt Kanalprojektionen per Gradientenabstieg.
1x1-FaltungResNet-BottleneckInception-ArchitekturKanalreduktion
Note / Hinweis: Blueprints are AI-generated educational summaries (0% Politics · 0% Religion · 0% Brainrot) and do not constitute medical, legal, or financial advice. / KI-generierte Zusammenfassung zu Bildungszwecken – ersetzt keine medizinische, rechtliche oder finanzielle Fachberatung.