standard

depth-wish con

計算量減少

moblie-net

網(wǎng)絡(luò)機構(gòu)

和其他網(wǎng)絡(luò)的對比

MobileNet 小結(jié)：

1. 核心思想是采用 depth-wise convolution 操作，在相同的權(quán)值參數(shù)數(shù)量的情況下，相較于 standard convolution 操作，可以減少數(shù)倍的計算量，從而達到提升網(wǎng)絡(luò)運算速度的目的。

2. depth-wise convolution 的思想非首創(chuàng)，借鑒于 2014 年一篇博士論文：《L. Sifre. Rigid-motion scattering for image classification. hD thesis, Ph. D. thesis, 2014》

3. 采用 depth-wise convolution 會有一個問題，就是導(dǎo)致「信息流通不暢」，即輸出的 feature map 僅包含輸入的 feature map 的一部分，在這里，MobileNet 采用了 point-wise convolution 解決這個問題。在后來，ShuffleNet 采用同樣的思想對網(wǎng)絡(luò)進行改進，只不過把 point-wise convolution 換成了 channel shuffle，然后給網(wǎng)絡(luò)美其名曰 ShuffleNet，欲知后事如何，請看 2.3 ShuffleNet