網絡模型 mobileNet
- mobileNet V1
- 網絡結構
- 深度可分離卷積
- 空間可分
- 參考
mobileNet V1
網絡結構
MobileNetV1可以理解為VGG中的標準卷積層換成深度可分離卷積
可分離卷積主要有兩種類型：空間可分離卷積和深度可分離卷積，這里使用深度可分離卷積。
深度可分離卷積
深度可分離卷積，將普通卷積拆分成為一個深度卷積和一個逐點卷積
-
深度卷積
與標準卷積網絡區別是將卷積核拆分成為單通道形式，在不改變輸入特征圖像的深度的情況下，對每一通道進行卷積操作，得到和輸入特征圖通道數一致的輸出特征圖。如上圖：12×12×3的特征圖，經過5×5×1×3的深度卷積后，得到8×8×3的輸出特征圖。輸入和輸出維度是不變(都是3). -
逐點卷積
在深度卷積的過程中得到8×8×3的輸出特征圖，用256個1×1×3的卷積核對輸入特征圖進行卷積操作，輸出的特征圖和標準的卷積操作一樣都是8×8×256了 -
優點
更少的參數，更少的運算，但是能達到差不多的結果；按照3×3的卷積核計算，參數和計算量會下降到原來的九分之一到八分之一
空間可分
離卷積
將一個大的卷積核變成兩個小的卷積核，比如將一個3×3的核分成一個3×1和一個1×3的核：
參考
輕量級神經網絡系列——MobileNet V1
