《MobileNetV1 + MobileNetV2 + MobileNetV3 》论文阅读笔记

目录

一、《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》

第一点：标准卷积和深度可分离卷积的区别。包括参数对比

第二点：理解两个超参数：宽度乘子和分辨率乘子

第三点：分析模型代码以及模型参数变化

二、《MobileNetV2: Inverted Residuals and Linear Bottlenecks》 

第一点：对比MobileNet V1与V2的网络结构

第二点：对比MobileNet V1与ResNet的网络结构

第三点：网络结构

第三点：分析模型代码及结构

三、《Searching for MobileNetV3》

第一点：引入SE结构

第二点：修改尾部结构

第三点：修改通道数​​

第四点： 非线性变换的改变

第五点：分析模型代码和参数

四、模型图

第一点：MobileNetV1网络结构图

第二点：MobileNetV2网络结构图

第三点： MobileNetV3网络结构图

---

 说明:代码及模型都是基于分类的。可以先看大致看一下模型图，再去看其他部分。

---

一、《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》

摘要：我们为移动和嵌入式视觉应用提出了一种称为MobileNets的有效模型。  MobileNets基于简化的架构，该架构使用深度可分离卷积来构建轻型深度神经网络。 我们介绍了两个简单的全局超参数，它们可以有效地在延迟和准确性之间进行权衡。 这些超参数允许模型构建者根据问题的约束条件为其应用选择合适大小的模型。 我们对资源和精度进行了广泛的权衡取舍，与ImageNet分类中的其他流行模型相比，我们展示了强大的性能。 然后，我们演示了MobileNets在各种应用程序和用例中的有效性，包括对象检测，细粒度分类，人脸属性和大规模地理定位。