MobileNet_V2

最新推荐文章于 2025-10-08 12:35:32 发布

原创最新推荐文章于 2025-10-08 12:35:32 发布 · 1.4k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #网络结构 #cvpr #2018

网络结构专栏收录该内容

2 篇文章

订阅专栏

本文介绍了MobileNet V2相比V1的主要改进：Inverted residuals通过先扩张后压缩的方式获取更多信息，Linear bottlenecks则在残差块中使用线性瓶颈减少特征破坏。

MobileNet相对于V1创新点

1.Inverted residuals，通常的residuals block是先经过一个1*1的Conv把feature map的通道数降低，再经过3*3 Conv，最后经过一个1*1 的Conv 将feature map 通道数再增大。先“压缩”，最后“扩张”回去以此来降低参数和计算量。而 inverted residuals就是先“扩张”，获取更多特征，最后“压缩”。

2.Linear bottlenecks，在residual block的Elementwise sum之前的那个 1*1 Conv 不再采用Relu，避免Relu对特征的破坏。

论文：https://arxiv.org/abs/1801.04381

mxnet复现代码GitHub：GitHub

网络结构图：mobilenet_v2