MobileNetV2简单理解

最新推荐文章于 2025-06-08 17:23:34 发布

翔心未来

最新推荐文章于 2025-06-08 17:23:34 发布

阅读量813

点赞数

CC 4.0 BY-SA版权

分类专栏：网络结构文章标签：深度学习计算机视觉

本文链接：https://blog.youkuaiyun.com/weixin_35048258/article/details/95370115

网络结构专栏收录该内容

0 篇文章

订阅专栏

博客介绍了MobileNetV2对MobileNet的改进。包括采用深度可分离卷积，最后不添加非线性激活函数；激活函数从RELU变为ReLU6；引入inverted residual block，前重后轻，且只有步长为一、输入输出通道一致时才有shortcut。需先了解MobileNet才能更好理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MobileNetV2是对MobileNet的改进，主要引入了一下几个关键点：

（1）使用了深度可分离卷积方法，主要包括两个操作，一个是depthwise卷积，然后后面跟着一个1 $×\times$ 1的正常卷积，这个操作实际上和V1的操作是一样的，只不过在最后没有添加非线性激活函。
（2）之前的ResNet bottleneck最后的模块会使用非线性函数ReLU，而在MobileNet中则将最后的这个激活函数省去了，激活函数从RELU变换成ReLU6。
（3）inverted residual block，也就是前重后轻，即引入了expand_ratio，整个bottle neck从薄变后再变薄，注意残差链接的情况，只有步长为一同时输入输出通道一致才会存在shortcut。
ps:这篇博文是在你读完MobileNet才能很快消化的