Mobilenet检测网络分析及问题

分析：

1. 首先，我对Mobilenet做几点简单的介绍。Mobilenet是谷歌推出的适用于移动端的深度网络模型，其优点就是在保证精度的情况下，能够大幅度的提高分类或者检测的速度，其原理就是将传统的卷积层用deepwise层来代替。若输入图像有M个通道，具体操作就是 a. 深度卷积：将输入的每个通道，分别与3x3的卷积核进行卷积，得到M个特征图; b. 1x1卷积：M个特征图再与1x1xN的卷积核进行卷积，得到N个通道的输出。上一张很经典的示意图：
   
2. deepwise卷积中，深度卷积其实质就是分组卷积，所以 chuanqi305/MobileNet-SSD 在实现deepwise卷积时首先用了一个卷积核为3x3的分组卷积。网络层定义为：
   
   可以看到，该网络层的group数目为32，卷积类型为标准卷积。conv1/dw经过BatchNorm和Scale后，又做了一次1x1卷积，卷积类型也为标准卷积。网络结构如下：
   
   通过分组卷积再组合的形式，极大的降低了计算量。设输入图像的大小为300x300x3，卷积核为3x3x56。一个3x3x1的卷积核与一个3003001的图像做卷积的过程如下图，得到输出矩阵的宽为 :

Outw=floor((Img.weight+2*padding-kernel.wegh