MobileNet V1 理论理解

MobileNet网络，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。(相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32)。

网络优点：

Depthwise Convolution结构（大大减少了运算量和参数量），即DW卷积

增加超参数 α和β

传统卷积和DW卷积的不同：

 

 此图摘自：7.1 MobileNet网络详解_哔哩哔哩_bilibili

如果想改变/自定义输出特征矩阵的channel，那只需要在DW卷积后接上一个PW卷积即可，如下图所示，其实PW卷积就是普通的卷积而已（只不过卷积核大小为1）。通常DW卷积和PW卷积是放在一起使用的，一起叫做Depthwise Separable Convolution（深度可分卷积）。

 此图摘自：7.1 MobileNet网络详解_哔哩哔哩_bilibili

在我们mobilenet网络中DW卷积都是是使用3x3大小的卷积核。所以理论上普通卷积计算量是DW+PW卷积的8到9倍。

 

α参数是一个倍率因子，用来调整卷积核的个数，β是控制输入网络的图像尺寸参数

缺点：depthwise部分得到卷积核会废掉，即卷积核参数大部分为0

 参考：

7.1 MobileNet网络详解_哔哩哔哩_bilibili

 MobileNet(v1、v2)网络详解与模型的搭建_霹雳吧啦Wz-CSDN博客