mobilenet学习笔记

输入112x112x16

一般情况下卷积核为3x3x16x64，参数个数9216

计算量为3x3x112x112x16x64=115605504

mobilenet_v1：

使用两个卷积核替代原先的卷积核，分别是3x3x1x16和1x1x16x64，参数个数为1168

计算方法：

1、分别用16个3x3x1的卷积核分别对112x112x16的16个通道做卷积（类似对16张单通道图像做卷积，产生16个输出），输出为(112-3+2*padding)/s+1，一般情况下padding为1，输出为112x112x16

2、分别用64个1x1x16的卷积核对上一步的输出做卷积（与一般情况下的卷积计算方法相同），输出为（112-1+2*padding)/s+1，一般情况下padding为0，输出为112x112x64

计算量：

1、3x3x112x112x16=1806336

2、1x1x112x112x16x64=12845056

3、总计14651392

115605504/14651392=7.89

 

宽度因子和分辨率因子

宽度因子(a)即改变上文卷积核个数，使得模型更小，即上面3x3x1x16中的16和1x1x16x64中的16和64，如宽度因子为1，则num_filters为16，如宽度因子为0.5，则num_filters为8，一般取值范围为(0,1]

加上宽度因子（假设为0.5）后计算量为：

1、3x3x112x112x16xa=903168

2、1x1x112x112x16ax64a=3211264

3、共计4114432

115605504/4114432=28.1

分辨率因子(b)就是通过减小输入层的大小，使计算量减小，一般情况下，mobilenet的输入为224x224x3，加上分辨率因子后，输入的大小变为224bx224bx3

mobilenet_v2与v1类似，只是在前面加了一个1x1的卷积核，先升维，再使用3x3的卷积核进行卷积计算，然后通过1x1的卷积核进行降维