论文阅读笔记：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

论文阅读笔记：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

论文下载地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
TensorFlow实现
caffe实现

---

本文主要包含如下内容：

---

核心思想

---

  MobileNets其实就是Exception思想的应用。区别就是Exception文章重点在提高精度，而MobileNets重点在压缩模型，同时保证精度。

---

网络结构

---

  Depthwise Separable Convolution，就是将传统的卷积拆分为两个级联的卷积：depthwise convolutions和pointwise convolution。深度卷积将每个卷积核应用到每一个通道，通过1 × 1卷积用来组合通道卷积的输出。
  
  depthwise separable convolutions在模型大小上和模型计算量上都进行了大量的压缩，使得模型速度快，计算开销少，准确性好。
  

  

  

  

  除了最后的全连接层，所有层后面跟了batchnorm和ReLU，最终输入到softmax进行分类。
  

---

实验结果

---

  增加了一个超参数 α∈[0,1] 来控制feature map的通道数，alpha 越小，则模型越小。作用是改变输入输出通道数，减少特征图数量，让网络变瘦
  
  增加了一个超参数 ρ 来控制输入图像的分辨率，ρ 越小，则输入图像越小。