MobileNet v1 结构详解

MobileNet v1主要提出的是深度可分离卷积，卷积计算时间可缩短8~9倍。
论文参考链接

正常的卷积是这样的，
输入Feature map, 记作F， size为Df x Df x M, Df是长和宽，M是channel
然后卷积核是Kernel, 记作K，size为Dk x Dk x M x N
解释一下，这里的Dk x Dk x M 和 F 是相同的channel
卷出来的长和宽是(Df / Dk + 1), channel是1，
然后纵向有N个这样的叠加，所以最终output的size为 Dg x Dg x N

现在把K中一个的size从Dk x Dk x M 改为 Dk x Dk x 1
那么F 的一个channel 和 Dk x Dk x 1大小的卷积核 卷积以后得到 Dg x Dg x 1的output
一共M 个channel, 所以需要M个Dk x Dk x 1的卷积核

这就是depthwise卷积，F 和 M个Dk x Dk x 1的卷积核 卷积得到 Dg x Dg x M的output

而最终需要得到Dg x Dg x N 的output,
所以再来个 1x1 卷积
Dg x Dg X M 和 它卷积 要得到 Dg x Dg x N,
所以1x1卷积核size为1x1xM, 叠加N个