paper:Xception: Deep Learning with Depthwise Separable Convolutions
URL:https://arxiv.org/abs/1610.02357
2017年的经典paper,作者在Inception的基础上引入DW卷积提出了Xception。
由于引入DW卷积,但作者的目的不是为了减少flops。所以增加了网络的宽度,所以可以认为是一个flop和width的balance。
Xception模块
一般来说,卷积核需要同时学习空间上的相关性和通道间的相关性。InceptionV3,将空间和通道的信息显示的分开处理。Inception模块首先使用1x1的卷积核将,这是在学习通道间的相关性;然后通过常规的3x3或5x5的卷积,同时学习空间上的相关性和通道间的相关性。
Inception如下图所示
不考虑5x5和平均池化,可以有如下的简化的inception