MobileNet家族：从v1到v4的架构演进与发展历程

MobileNet 是一个专为移动设备和嵌入式系统设计的轻量化卷积神经网络（CNN）家族，旨在在资源受限的环境中实现高效的图像分类、对象检测和语义分割等任务。自 2017 年首次推出以来，MobileNet 经历了从 v1 到 v4 的多次迭代，每一代都在计算效率、模型大小和准确性上取得了显著进步。本文将详细探讨 MobileNet v1、v2、v3 和 v4 的原理、架构设计及其发展历程，并分析其关键创新和性能表现。

---

MobileNet v1：奠定轻量化基础

发布时间：2017 年
MobileNet v1 是该系列的起点，由 Google 提出，目标是设计一种高效的 CNN，适合在移动设备上运行。其核心创新是引入了深度可分离卷积（depthwise separable convolution），大幅降低了计算复杂度和模型参数量。

• 原理与创新：
  深度可分离卷积将标准卷积分解为两个步骤：

  1. 深度卷积（depthwise convolution）：对每个输入通道单独应用一个滤波器，减少计算量。
  2. 逐点卷积（pointwise convolution）：使用 1x1 卷积融合深度卷积的输出，生成新的特征图。
     相比标准卷积，这种方法将计算成本降低了约 8-9 倍（取决于滤波器数量）。
     此外，v1 引入了宽度乘数（α）和分辨率乘数（ρ），允许用户通过调整滤波器数量和输入分辨率，在效率和准确性之间灵活权衡。

• 架构设计：
  网络以一个标准的 3x3 卷积层开头，随后是 13 个深度可分离卷积模块，通过步幅实现降采样，最后以平均池化和全连接层完成分类。输入分辨率默认设为 224x224。

• 性能表现：
  在 ImageNet 数据集上，MobileNet v1（α=1，ρ=1）实现了 70.6% 的 top-1 准确率，拥有 4.2 百万参数和 569 百万乘加运算（MAdds）。相比之下，VGG-16 的参数量（138 百万）和计算量（15,300 MAdds）远超 v1，而准确率仅略高（71.5%）。

• 意义：
  MobileNet v1 奠定了轻量化网络的基础，证明了深度可分离卷积在移动视觉任务中的潜力。

参考文献