我可以使用卷积滤波器而不是密集层进行分类吗？

Question

我正在阅读一篇不错的论文 S-DCNet，然后我发现了一个部分 (page3,table1,classifier)，其中在特征图上使用了卷积层，以便生成二进制分类输出作为内部过程的一部分.由于我是一个菜鸟，当有人和我谈论分类时，我会自动创建一个与 FCs 和 softmax 相结合的突触，我开始想……这可能吗？确实可以使用卷积层对二进制结果进行分类吗？整个概念激发了我的想象力，以至于我坚持要得到答案……

老实说，这实际上是如何工作的？使用卷积滤波器而不是全连接层进行分类有什么区别？

编辑（不确定它是如何工作的）：我问了一位同事，他告诉我在当前阶段使用与特征图的长宽形状相同形状的过滤器，可能会导致到可学习的二进制输出（考虑到您还将特征图的#channels 减少为单个通道）。但我仍然不明白这种技术背后的动机..

Answer 1

可以（例如）使用空间大小为 (1,1) 且深度与 FC 输入大小相同大小的滤波器来使用卷积作为 FC。

生成的特征图将与输入特征图大小相同，但每个像素将是“FC”层的输出，其权重是共享 1x1 卷积滤波器的权重。

这种东西主要用于语义分割，按像素进行意义分类。如果有记忆，U-net 就是一个很好的例子。

---

另见this。
另请注意，1x1 卷积也有 other uses。
paperswithcode 可能那里的一些网络使用了这个技巧。