MobileNet网络模型学习笔记

最新推荐文章于 2024-01-27 12:36:58 发布

这个军姬不太冷

最新推荐文章于 2024-01-27 12:36:58 发布

阅读量1k

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_41174201/article/details/88421646

版权

MobileNet网络模型主要是基于现有的大部分网络模型，都可以通过使用更深的网络结构，更多的训练参数，更多的计算资源来获得更高的精确度，但这种网络模型难以在移动端或者嵌入式系统中使用，例如智能手机，车辆自动驾驶导航系统等等，为了解决这个问题，作者提出了MobileNet模型，在尽量不降低精确度的基础上，尽可能减少计算量以及训练参数数目，目前已经发布了V1和V2两个版本，V2在V1的基础上进行了改良，两者的基本思路是一致的。

MobileNet V1中，作者首先提及了，一个标准的卷积层，对于 $h_{i}\times w_{i}\times d_{i}$ 的输入图像，卷积层的参数为 $k_{i}\times k_{i}\times d_{i}\times d_{j}$ ，最后得到的输出特征为 $h_{j}\times w_{j}\times d_{j}$ ，其中涉及的计算量就是 $h_{i}\times w_{i}\times k_{i}\times k_{i}\times d_{i}\times d_{j}$ ，为了减少计算量，作者提出了，将一个标准的卷积层操作分成两步，第一步进行特征提取，主要影响输入图像的原始尺寸（DepthWise Conv），第二步进行维度变换，主要影响输入图像的通道数（PointWise Conv）。

DW和正常的卷积操作不同，DW使用了一个 $k_{i}\times k_{i}\times 1\times 1$ 的卷积核，而对于一个输入图像

最低0.47元/天解锁文章

这个军姬不太冷

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
MobileNet网络模型学习笔记

MobileNet网络模型主要是基于现有的大部分网络模型，都可以通过使用更深的网络结构，更多的训练参数，更多的计算资源来获得更高的精确度，但这种网络模型难以在移动端或者嵌入式系统中使用，例如智能手机，车辆自动驾驶导航系统等等，为了解决这个问题，作者提出了MobileNet模型，在尽量不降低精确度的基础上，尽可能减少计算量以及训练参数数目，目前已经发布了V1和V2两个版本，V2在V1的基础上进行了改...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。