历史角度
- 12年AlexNet中用到了一些非常大的卷积核，比如11×11、5×5卷积核，最初认为是，卷积核越大，receptive field（感受野）越大，看到的图片信息越多，因此获得的特征越好。
- 但是大的卷积核会导致计算量的暴增，不利于模型深度的增加，计算性能也会降低。
- 于是在VGG（最早使用）、Inception网络中，利用2个3×3卷积核的组合比1个5×5卷积核的效果更佳，同时参数量（3×3×2+1 VS 5×5×1+1）被降低，因此后来3×3卷积核被广泛应用在各种模型中。
解释
3x3 是最小的能够捕获像素八邻域信息的尺寸。
两个 3x3 的堆叠卷积层的有限感受野是 5x5 ；三个 3x3 的堆叠卷积层的感受野是7x7，故可以通过小尺寸卷积层的堆叠替代大尺寸卷积层，并且感受野大小不变。
多个 3x3 的卷积层比一个大尺寸 filter卷积层有更多的非线性（更多层的非线性函数），使得判决函数更加具有判决性。（中间层有非线性的分解, 并且起到隐式正则化的作用)
多个 3x3的卷积层比一个大尺寸的 filter 有更少的参数，假设卷积层的输入和输出的特征图大小相同为 C，那么三个 3x3 的卷积层参数个数 3x（3x3xCxC）=27C2；一个7x7的卷积层参数为49C2；
