阅读笔记5——深度可分离卷积

一、标准卷积

  标准卷积在卷积时,同时考虑了特征图的区域和通道信息。

  标准卷积的过程如图1-1所示,假设输入特征图的channel=3,则每个卷积核的channel都为3,每个卷积核的3个channel对应提取输入特征图的3个channel的特征(考虑了特征图的区域信息),并输出channel=1的输出特征图(考虑了特征图的通道信息)。即:

  • 卷积核的channel=输入特征图的channel
  • 输出特征图的channel=卷积核的个数

在这里插入图片描述

图1-1 标准卷积过程图

二、Depthwise卷积

  对于一个通道的输入特征 H × W H×W H×W,利用一个3×3的卷积核进行点乘求和,得到一个通道的输出 H × W H×W H×W。然后,对于所有的输入通道 C C C,使用 C C C个3×3卷积核即可得到 C × H × W C×H×W C×H×W大小的输出。

  通道之间相互独立,没有各通道间的特征融合,这也是Depthwise卷积的核心思想。即:

  • 卷积核的channel=1
  • 输入特征图的channel=卷积核的个数=输出特征图的channel

在这里插入图片描述

图2-1 Depthwise卷积过程图

三、Pointwise卷积

  由于Depthwise卷积的通道间缺少特征融合,并且通道数无法改变,因此后续还需要继续连接一个逐点的1×1的卷积,一方面可以融合不同通道间的特征,同时也可以改变特征图的通道数。

  Pointwise卷积就是卷积核大小为1的标注卷积。即:

  • 卷积核的channel=输入特征图的channel
  • 输出特征图的channel=卷积核的个数
  • 卷积核的大小为1

在这里插入图片描述

图3-1 Pointwise卷积过程图
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

晓shuo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值