诞生于:
大量应用于:MobileNet
深度可分离卷积 - 知乎
https://zhuanlan.zhihu.com/p/92134485
理解分组卷积和深度可分离卷积如何降低参数量 - 知乎
https://zhuanlan.zhihu.com/p/65377955
从深度可分离卷积 到 MobileNetv1 到 MobileNetv2 - 知乎
https://zhuanlan.zhihu.com/p/73249767
知乎盐选 | 深度学习之 PyTorch 物体检测实战
https://www.zhihu.com/market/pub/119648721/manuscript/1189952882542366720
我们先来看一下标准的卷积操作:
输入一个12×12×3的一个输入特征图,经过5×5×3的卷积核卷积得到一个8×8×1的输出特征图。如果此时我们有256个特征图,我们将会得到一个8×8×256的输出特征图。
以上就是标准卷积做干的活。那深度卷积和逐点卷积呢?