通道可分离卷积 depth-wise separable convolution

通道可分离卷积

通道分离卷积，depthwise separable convolution，也叫深度可分离卷积，是MobileNet系列的主要特点，也是其发挥轻量级作用的主要因素。

通道可分离卷积分为逐通道卷积和逐点卷积。逐通道卷积，Depthwise Convolution，卷积核只有一层（c=1），输入特征的一个通道与一个卷积核相乘得到输出特征的一个通道。

逐点卷积就是1x1卷积，可以带来通道方向上的信息交流，并且改变输出特征的通道数。

一些博客：
https://zhuanlan.zhihu.com/p/92134485
https://blog.csdn.net/Chunfengyanyulove/article/details/91358187
https://zhuanlan.zhihu.com/p/323346888

正常卷积回顾

下图中输入特征为5x5，卷积核一共的weights数量为：3x3x3x4=108

通道可分离卷积

1. 逐通道卷积 Depthwise Convolution

如上所述，一个卷积核负责一个通道，叠加得到最终的特征。

weights数为：3x3x3=27，是正常卷积的1/4

它的缺点是：无法改变输出特征的通道数，而且缺少通道&#x