在"ResNet50 模型 for Keras "中，为什么使用 1x1 卷积，步幅 = 2？

Question

ResNet50 在这里： https://github.com/fchollet/deep-learning-models/blob/master/resnet50.py

在"conv_block"中，第一层是这样的：

x = Conv2D(filters1 = 64,           # number of filters
kernel_size=(1, 1),      # height/width of filters
strides=(2, 2)           # stride
)(input_tensor)

我的问题是：

这一层不会错过一些像素吗？
这个 1x1 卷积只看 1 个像素，然后移动 2 个像素(步幅=2(。

Answer 1

在Resnet的原始论文中提到：

卷积层大多有3×3个滤波器和 遵循两个简单的设计规则：(i( 对于相同的输出 要素地图大小，图层具有相同数量的过滤器;(ii(如果特征图大小减半，则过滤器的数量增加一倍，以保持每层的时间复杂度。我们直接通过以下方式执行下采样 步幅为 2 的卷积层

因此，您可以将其视为池化层的替代品，与计算整个激活图然后池化相比，它还降低了整个模型的计算复杂度。