Xception是Google提出的,arXiv 的V1 于2016年10月公开《Xception: Deep Learning with Depthwise Separable Convolutions 》,Xception是对Inception v3的另一种改进,主要是采用depthwise separable convolution来替换原来Inception v3中的卷积操作。
41.1 设计思想
- 采用depthwise separable convolution来替换原来Inception v3中的卷积操作
与原版的Depth-wise convolution有两个不同之处:- 第一个:原版Depth-wise convolution,先逐通道卷积,再1*1卷积; 而Xception是反过来,先1*1卷积,再逐通道卷积;
- 第二个:原版Depth-wise convolution的两个卷积之间是不带激活函数的,而Xception在经过1*1卷积之后会带上一个Relu的非线性激活函数;
41.2 网络架构
- feature map在空间和通道上具有一定的相关性,通过Inception模块和非线性激活函数实现通道之间的解耦
- 增多3*3的卷积的分支的数量,使它与1*1的卷积的输出通道数相等
- 此时每个3*3的卷积只作用与一个通道的特征图上
- 称之为“极致的Inception(Extream Inception)”模块,这就是Xception的基本模块
- Figure 3. A strictly equivalent reformulation of the simplified In