网络模型 mobileNet
- mobileNet V1
- 网络结构
- 深度可分离卷积
- 空间可分
- 参考
mobileNet V1
网络结构
MobileNetV1可以理解为VGG中的标准卷积层换成深度可分离卷积
可分离卷积主要有两种类型：空间可分离卷积和深度可分离卷积，这里使用深度可分离卷积。
深度可分离卷积
深度可分离卷积，将普通卷积拆分成为一个深度卷积和一个逐点卷积
-
深度卷积
与标准卷积网络区别是将卷积核拆分成为单通道形式，在不改变输入特征图像的深度的情况下，对每一通道进行卷积操作，得到和输入特征图通道数一致的输出特征图。如上图：12×12×3的特征图，经过5×5×1×3的深度卷积后，得到8×8×3的输出特征图。输入和输出维度是不变(都是3). -
逐点卷积
在深度卷积的过程中得到8×8×3的输出特征图，用256个1×1×3的卷积核对输入特征图进行卷积操作，输出的特征图和标准的卷积操作一样都是8×8×256了 -
优点
更少的参数，更少的运算，但是能达到差不多的结果；按照3×3的卷积核计算，参数和计算量会下降到原来的九分之一到八分之一
空间可分
离卷积
将一个大的卷积核变成两个小的卷积核，比如将一个3×3的核分成一个3×1和一个1×3的核：
参考
轻量级神经网络系列——MobileNet V1
