【轻量化网络】ShuffleNet 和 MobileNet

ShuffleNet、MobileNet

在算法层面有效的压缩存储和计算量。

一、Group convolution

假设有输入feature map，大小为H x W x C，用k个h x w大小的卷积核去进行卷积运算，输出H’ x W’ x k。（不关心H’ 和 W’）
而Group convolution的实质就是将convolution分为g个独立的组，分别进行计算。

这里g=2。

• 把输入的特征图分为g组，每组H x W x (C/g)
• 把卷积核也分为g组，每组h x w x (k/g)
• 按顺序，每组特征图和卷积核，分别做卷积，输出g组特征

二、MobileNet v1

Mobilenet v1希望能在移动设备或者嵌入式设备（所以叫Mobile）中，最大化使用模型。
Mobilenet v1核心是把卷积拆分为Depthwise+Pointwise两部分。