MobileNet 解析

论文：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

代码：GitHub可搜Caffe、Tensorflow等版本

    MobileNet是一种针对于移动端的轻便型深度网络，下图是该网络的一种效果图

              

    相对于传统的卷积神经网络，MobileNet主要是对卷积运算进行了改进，得到了文中提出的深度可分离卷积

(Depthwise Separable Convolution)，其主要由DW和PW卷积组成。DW卷积是针对输入特征图的每一个通道

采用一个卷积核进行卷积运算，即卷积核个数为输入通道数M。DW对应的不包含加法运算和偏置项的运算量

为： Dk * Dk *M*Df*Df，其中Dk表示输入feature map高和宽，Df表示输出feature map大小。PW卷积采用了大小

为1X1的卷积核对输入feature map的各个通道进行连接，其乘项的复杂度为：M*N*Df*Df，其中N为输出通道数。

故深度可分离卷积的整体乘项复杂度为： Dk * Dk *M*Df*Df+M*N*Df*Df。其相对于传统卷积运算降低的计算参数

量如下：