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: