轻量级模型
文章平均质量分 77
小麦草
专注于嵌入式AI,边缘计算优化,模型设计与优化,量化压缩,分类,检测,分割,OCR算法,VSLAM
展开
-
【通俗易懂系列】深度可分离卷积
在计算资源受限制的移动端设备上,常规的卷积操作由于运算量大,经常难以满足实际运行速度的要求,这时,深度可分离卷积(Depthwise Separable Convolution)就排上了用场。深度可分离卷积是由Depthwise(DW)卷积与Pointwise(PW)卷积组成。该结构和常规卷积类似,可用来提取特征,但相比常规卷积,其参数量和运算成本较低。所以在一些轻量级网络中经常会用到此类结构,如MobileNet,ShuffleNet等。常规卷积对于一幅128×128像素、三通道彩色输入图像(尺寸为原创 2021-06-15 16:02:40 · 15115 阅读 · 5 评论 -
轻量级模型:MobileNet V2
一、论文:https://arxiv.org/abs/18非官方Caffe代码:https://github.com/shicai/MobileNet-Caffe二、论文理解MobileNet V2 是对 MobileNet V1 的改进,同样是一个轻量级卷积神经网络。1)基础理论--深度可分离卷积(DepthWise操作)标准的卷积过程可以看上图,一个2×2的卷积核在...原创 2018-08-05 15:48:57 · 56770 阅读 · 15 评论