MobileNets是基于深度可分离卷积(depthwise separable convolution)而设计的轻量级深度神经网络。
这种分离结构对现在绝大多数移动终端的CPU指令加速硬件,是非常友善的。
正因为MobileNet的可分离卷积模块在压缩参数同时还压缩了计算量,还能充分发挥现代CPU计算能力与数据读取效率,再加上这些优化还不影响准确率,所以它被移动终端领域广泛应用。【1】
深度可分离卷积主要的思想是将一个标准卷积(standard convolution)分解成两个卷积,
一个是逐深度卷积(depthwise convolution),即一个空间卷积,分别对每一个输入通道进行处理,
另一个逐点卷积(pointwise convolution),合并每一个深度卷积的输出。
将空间特征和通道特征完全分离。
![在这里插入图片描述](https://img-blog.csdn.net/20180918095015136?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTE0NDA1NTg=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
Filtering features based on the convolutional kernels and combining features in order to produce a new representation.