组卷积和深度可分离卷积

一、分组卷积（Group Convolution）

第一张图是标准的卷积操作，若输入的特征图是H×W×c1，卷积核的尺寸为h1×w1×c1，输出特征图的尺寸为H×W×c2,那么标准卷积层的参数量为h1×w1×c1×c2。

第二张图是分组卷积操作，将输入的调整图按通道数分为g组，则每组特征图的尺寸为H×W×（c1/g）,对应的卷积核的尺寸为h1×w1×（c1/g）,每组输出的特征图尺寸为H×W×（c2/g）,将g组的结果拼接（concat），最终输出的特征图的尺寸为H×W×c2，此时分组卷积层的参数量是：
h1×w1×（c1/g）×（c2/g）×g=h1×w1×c1×c2×（1/g）

由此可看出分组卷积的参数量是标准卷积层的（1/g

二、深度可分离卷积（Depthwise separable convolution）

图a表示标准卷积，假设输入的特征图尺寸为Df×Df×M，卷积核尺寸为Dk×Dk×M，输出特征图的尺寸为Df×Df×N，标准卷积层的参数量为Dk×Dk×M×N。

图b表示深度卷积，图c表示分点卷积，两者合起来就是深度可分离卷积，深度卷积负责滤波，尺寸为Dk×Dk×1，共M个，作用在输入的每个通道上；逐点卷积负责转化通道，尺寸为1×1×M，共N个，作用在深度卷积的输出特征映射上。

深度卷积的参数量是Dk×Dk×1×M，逐点卷积的参数量是1×1×M×N，所以深度可分离卷积的参数量是标准卷积参数量比值是：