MobileNet是一种针对移动端优化的轻量级卷积神经网络，通过引入Depthwise Separable卷积显著减少了参数量和计算量。该网络设计包括两部分：逐通道卷积和1x1卷积，使得模型能在保持较高识别精度的同时，适应资源有限的移动端设备。实验表明，调整网络宽度和输入尺寸能有效平衡模型性能和资源消耗。
一、简介
深度学习虽然在近期得到快速的发展，但是由于深度学习网络过于复杂，往往像一些知名的大型卷积神经网络的参数都会在数百M，此外深度学习需要较大的计算量，这些给深度学习在移动端的使用带来了困难。本文针对这一问题设计的MobileNet可以大大的减少网络的参数，同时能够减少网络的计算量，使网络可以适用于移动端，这也是为何称它为MobileNet的原因。
二、MobileNet网络结构
1、Depthwise Separable卷积
一般的卷积是直接利用卷积核（一般kernel_size>=3）将输入的特征图进行融合，而Depthwise Separable则将卷积分为两步：第一步，对逐个通道进行卷积，这里使用的卷积核的大小为kernel_size=3，然后再用1x1的卷积核对特征图进行融合，如图1所示：
如果输入特征图为
最低0.47元/天 解锁文章
扫一扫
1744
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
