简单来说,SeparableConv2D是DepthwiseConv2D的升级版。通常来说深度可分离卷积分为两步,也就是在depplabv3+中,经常使用的方法。
第一步:depthwise convolution是在每个通道上独自的进行空间卷积,图a
第二步:pointwise convolution是利用1x1卷积核组合前面depthwise convolution得到的特征,图b
而DepthwiseConv2D实现了第一步, SeparableConv2D直接实现了两步。故SeparableConv2D与DepthwiseConv2D相比,输入参数多了一个
即滤波器数量:filters: 整数,输出空间的维度 (即卷积中滤波器的输出数量)。
在keras具体两者的用法详见keras官方文档。