mobilenetv2为什么比mobilenetv1参数少

最新推荐文章于 2025-11-07 12:13:11 发布

原创最新推荐文章于 2025-11-07 12:13:11 发布 · 402 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

deeplearning 专栏收录该内容

77 篇文章

订阅专栏

本文探讨了卷积神经网络中特征图通道数量和扩张比例对模型参数量的影响。V1结构采用1*1*256*512再3*3*512的卷积，而V2则使用1*1*64*512、3*3*512和1*1*512*96，扩张比例为8。通过对比发现，增加通道数和扩张比例可以有效减少参数，但需注意过大扩张比例可能降低信息有效性。

                    
                    同样是对512通道的特征图卷积
v1的方式是1*1*256*512再3*3*512
v2的方式是1*1*64*512再3*3*512再1*1*512*96，这里的扩张比例是8
可以看到v2比v1少了1*1*96*512
被卷积特征图的通道越多，参数减少越多；扩张比例越大，参数减少越多。
考虑到获取的信息的有效性，扩张比例不应过大。