1. 尽管1x1的卷据不会捕捉空间特征（spatial features/patterns，直观点说就是2D平面图的纹理特征），但是他们能很好基于通道（channel-wise/along the depth dimension）的特征学习；
2. 由于是基于通道上的学习，因此他们能输出更少的特征图（这也是为什么他们能降低参数量学习的原因），比如某层神经网络的学习层的输出的特征图数量是256，可以通过1x1卷积层（filters的数量为128）可以将输出变为128个特征图，这也称之为降维学习；
3. 1x1 conv + 3x3 conv或者1x1 conv + 5x5 conv的卷积学习理论上可以捕捉到更复杂的特征，可以想象一下就是3x3的卷积捕捉纹理特征，而1x1的卷积可以基于通道捕捉特征图之间的管理；
原文：https://www.cnblogs.com/jielongAI/p/12872102.html