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,对于的输入图像,卷积层的参数为
,最后得到的输出特征为
,其中涉及的计算量就是
,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使用了一个的卷积核,而对于一个输入图像