Mobile net系列总结（V1、V2、V3）

 一、Mobile Net V1

主要贡献：

        （1）使用了深度可分离卷积构建轻量级卷积神经网络，由depthwise(DW)和pointwise(PW)两个部分结合起来，用来提取特征feature map。相比常规的卷积操作，其参数数量和运算成本比较低。

        深度可分离卷积参考博文：(129条消息) 深度可分离卷积（Depthwise seperable convolution）_冰雪棋书的博客-CSDN博客_深度可分离卷积

        （2）引入了两个简单的全局参数来有效平衡延迟性和精度

α（宽度乘数 Width Multiplier: Thinner Models）：具有降低计算成本和参数数量的作用，用于定义一个需要从头训练的新的缩减结构。

β（Resolution Multiplier: Reduced Representation）：分辨率乘数，用来控制input image大小

 

网络结构：

        整体上采用与VGG网络类似的3*3卷积串联的搭建