在准确率小幅下降的前提下大大减小模型参数与运算量
传统卷积神经网络,内训需求大、运算量大,导致无法在移动设备以及嵌入式设备上运行。
DW卷积卷积计算量
-
计算量 = H_out * W_out * K_h * K_w * C_in * C_out
各公式中的各个参数分别表示:
- H_out、W_out:输出特征图的高度和宽度。
- K_h、K_w:卷积核的高度和宽度。
- C_in:输入特征图的通道数。
- C_out:输出特征图的通道数。
步幅为1时,输入和输出的高度和宽度可以保持相同,但需要使用适当的填充来实现这个目标。
Mobile v2网络
亮点:倒残差结构(),LinearBottleNecks(该技术在神经网络中引入线性操作(linear),以减少计算复杂性和提高效率,从而改善模型的训练和推理性能。)