Xception中的Depthwise卷积和Pointwise卷积

本文深入探讨了DepthwiseSeparableConvolution(深度分离卷积),一种在轻量级神经网络如MobileNet中广泛应用的高效卷积操作。深度分离卷积通过Depthwise卷积和Pointwise卷积将传统卷积分解,大幅减少了参数量和计算成本。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Depthwise卷积和Pointwise卷积构成了Depthwise Separable Convolution(Xception论文地址),该结构相比于常规卷积,其参数量和运算成本较低,常常出现在MobileNet等轻量级结构中。

Depthwise Separable Convolution

它将一个完成的卷积运算分成两步完成,即DW和PW。

Depthwise Convolution

DW卷积中: 一个卷积核负责一个channel。输入通道数等于输出通道数,即卷积核的数量等于输入特征图的通道数。
在这里插入图片描述
PW卷积中: 卷积过程与常规卷积运算类似,它的卷积核的尺寸为1x1xM,M为上一层特征图的通道数,有几个卷积核最后就会输出几个通道数。
在这里插入图片描述
本文转载自Depthwise卷积和Pointwise。按照自己的理解记录下来。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值