文章目录
1 摘要
本文基于MobileNetV1(戳这可以先了解一下MobileNetV1)的缺陷提出了MobileNetV2结构,并且详尽地分析介绍了设计轻量网络中的一些方法。参考ResNet的跳跃连接,作者提出Linear Bottlenecks和Inverted residuals模块去对网络进行优化,使得网络变得更快。
2 存在问题
① 目前,很多达到最好效果的网络都需以消耗大量的计算资源为代价的,并不适用于嵌入式移动设备。
② MobileNetV1虽然轻盈,但是其准确率表现不大如意,原因是单纯地使用卷积层进行堆叠,没有引入类似于跳跃连接的结构,所以没有充分利用图像的信息。
③ 在实际使用中,发现深度可分离卷积的某些卷积核参数为0,也就是在学习过程中导致卷积核“失效了”。
3 亮点
3.1 Linear Bottlenecks
为了解决学习过程中卷积核参数变0的问题,作者进行了分析,认为是由于Dwise的浅层输出接ReLU6(代表最大的激活值为6)容易使得卷积核参数为0,损害了信息(关于ReLU,很多文章指出过,在某些情况下会损失精度)。作者给出了如下图: