深度可分离网络－－》depthwise separable convolution

最新推荐文章于 2024-05-16 02:19:10 发布

ypp1

最新推荐文章于 2024-05-16 02:19:10 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

分类专栏：物体检测文章标签：深度可分离网络 depthwise separable network MobileNetV1

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_24279775/article/details/90401388

本文探讨深度可分离网络（depthwise separable convolution）与标准卷积的区别。深度可分离网络通过两步计算——单通道卷积和1x1卷积——降低参数数量，实现高效特征提取。相比传统卷积，它在保持相似性能的同时，能节省8-9倍的参数量，常用于MobileNetV1等模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：这里只是对比一下深度可分离网络和标准网络的区别。

传统的标准卷积，这是一步完成的。

$D_{k}*D_{k}*M$ $D_{f}*D_{f}*{\color{Red} M*N}$ $D{}'_{g}*D{}'_{g}*N$

图一（左）代表宽度和高度为 $D_{k}$ ，通道数为 $M$ 的特征图，通过 $N$ 个宽度和高度为 $D_{f}$ 的卷

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。