- 传统卷积神经网络内存需求大、运算量大，导致无法在移动设备以及嵌入式设备上运行
- MobileNet相比VGG16准确率下降了0.9%，但模型参数只有它的1/32
0x00 亮点
- Depthwise Convolution（DW卷积，大大减少运算量和参数数量）
- 增加超参数α、β
0x01 DW卷积
Depthwise Convolution逐通道卷积
- 卷积核的channel=1
- 输入特征矩阵的channel=卷积核个数=输出特征矩阵的channel
- 其实就是Group卷积的特殊形式
0x02 PW卷积
- Pointwise Convolution逐点卷积
- 其实就是1×1卷积
0x03 Depthwise Separable Conv深度可分离卷积
DW卷积+PW卷积
与普通卷积计算量对比：
评论 (0)