深度可分离卷积 SeparableConv2D与DepthwiseConv2D的区别

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。