轻量级网络-------mobilenet_v2总结

• 原文：Inverted Residuals and Linear Bottlenecks Mobile Networks for Classification, Detection and Segmentation
• 中心思想： Depthwise Separable Convolution和Residual Connection的结合
• 代码：https://github.com/tonylins/pytorch-mobilenet-v2/blob/master/MobileNetV2.py

1.动机

MobileNet_v2的动机是解决MobileNet_v1的遗留问题，下面总结一下MobileNet_v1存在的问题

• 结构问题：

MobileNet1.0 的结构其实非常简单， 论文里头是一个非常复古的直筒结构， 类似于VGG一样。 这种结构的性价比其实不高， 后续一系列的ResNet, DenseNet等结构已经证明通过复用图像特征， 使用concat/eltwise+ 等操作进行融合， 能极大提升网络的性价比。

• Depthwise Convolution 的潜在问题：

Depthwise Conv确实是大大降低了计算量， 而且NxN Depthwise + 1X1 PointWise的结构在性能上也能接近NxN Conv。 在实际使用的时候，发现D