Xception:Deep Learning with Depthwise Separable Convolutions/深度可分离卷积

Xception是一种基于Inception V3改进的深度学习模型,通过引入深度可分离卷积替代传统卷积操作来降低参数数量并提升模型表现。文章详细介绍了Xception模块的设计原理,并通过与Inception V3的对比实验验证了其有效性和优越性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Xception在论文Xception: Deep Learning with Depthwise Separable Convolutions中被提出.Xception是对Inception V3的一种改进.主要将Inception V3中的Inception结构替换为depthwise separable convolution如图:
这里写图片描述
最左侧为Inception V3中使用的Inception结构.如图:
这里写图片描述
中间为考虑仅使用一种卷积大小(3x3)并且不包含池化层的Inception模块的简化版本.如图:
这里写图片描述

这个Inception模块可以用一个统一的1x1卷积,然后是3x3的空间卷积,这些卷积可以在输出通道的非重叠段上运行,即只将1x1卷积结果的一部分作为自己的输入.
这里写图片描述

热后增加输出通道上分段的数量.每个3*3的卷积即作用于仅包含一个通道的特征图上.作者称之为“extreme”Inception.即Xception的基本模块,如图:
这里写图片描述
使用该模块,搭建Xception网络,如图:
这里写图片描述
然后作者分别在ImageNet和JFT上训练测试并与Inception V3做对比,发现Xception的准确度提高的同时,收敛过程也比前者快:
这里写图片描述
同时Xception的参数数量也有所下降:
这里写图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值