1、降维（ dimension reductionality ）。1*1 的卷积核是对每个像素点，在不同的channels 进行线性组合（信息组合），调控depth。比如，一张500 * 500且厚度depth为100 的图片在20个filter上做1*1的卷积，那么结果的大小为500*500*20。
2、加入非线性。卷积层之后经过激励层，1*1的卷积在前一层的学习表示上添加了非线性激励（ non-linear activation ），提升网络的表达能力；
最早出现在Network in Network 中，使用1*1 的卷积核是想加深加宽网络结构，
在Inception 网络中用来降维，并且消除尺寸对识别结果的影响，使用多个不同的filter size 来提取feature map：
在FCN中的1*1 卷积核：
在传统网络结构中后三层为1维向量，不再采用卷积计算，使用全连接计算，会损失二维信息。在FCN中将这三层转换为1*1 的卷积核对应等同向量长度的多通道卷积层，采用卷积计算。
http://weibo.com/ttarticle/p/show?id=2309614103999384067932&infeed=1