[论文阅读] MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications (MobileNet...

论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 

 

       本文提出的模型叫MobileNet，主要用于移动和嵌入式视觉应用。该模型具有小巧、低延迟的特点。MobileNet在广泛的应用场景中具有有效性，包括物体检测，细粒度分类，人脸属性和大规模地理定位。

 

 

 

MobileNet架构

深度可分解卷积（Depthwise Separable Convolution）

       MobileNet模型基于深度可分解卷积（depthwise separable convolutions），它由分解后的卷积组成，分解后的卷积就是将标准卷积分解成一个深度卷积（depthwise convolution）和一个1x1的点卷积（pointwise convolution）。深度卷积将每个卷积核应用于输入的每一个通道；然后，深度卷积的输出作为点卷积的输入，点卷积用1x1卷积来组合这些输入。下面两个图如下：

 

 

 

　　一个标准的卷积层以DF x DF x M大小的feature map F作为输入，然后输出一个DG x DG x N的feature G，其中DF输入feature map的宽度和高度，M是输入通道数目；DG是输出feature map的宽度和高度，N是输出通道的个数。卷积核K的参数量为DK x DK x M x N，其中，DK是卷积核的宽度和高度。标准的卷积的计算代价是（stride=1，padding=same）：

 

       现在将卷积核进行分解，深度卷积的计算量为：

　　点卷积的计算量为（公式中省略了1 x 1，即完整的表达式为1 * 1 * M * N * DF * DF）：

 

       因此，深度可分解卷积的计算总量为：

 

       深度可分解卷积与标准卷积的计算量做比较，如下：

 

       MobileNet使用了大量的3 × 3的深度可分解卷积核，极大地减少了计算量（1/8到1/9之间），同时准确率下降的很少，相比其他的方法确有优势。

 

 

Network Structure and Training

       MobileNet结构如下图。其中，第一层采用标准卷积，其它层均采用本文提出的深度可分解卷积。每一层后面跟着一个batchnorm和ReLU，除了最后一层全连接层直接接softmax。下采样是采用带stride的卷积实现的。最后，MobileNet总共有28层（深度卷积和点卷积分开计算）。

 

       下图对比了标准卷积与深度可分解卷积的结构：

 

 

 

       MobileNet将95％的计算时间用于有75％的参数的1×1卷积，作者采用tensorflow和RMSprop进行训练，因为模型比较小，过拟合不太容易，所以数据增强和规则化用的不多。

       每一层的计算量如下：

 

Width Multiplier: Thinner Models

       尽管模型已经很小，但是为了让模型更小和更快，本文又提出第一个超参数α，称为宽度乘数（Width Multiplier）。宽度乘数α的作用是使得网络的每一层都“变瘦”。对于一个给定的层和一个宽度乘数α，输入通道M变成αM，输出通道N变成αN。

       加上宽度乘数α之后，深度可分解卷积的计算量变为：

 

其中，α∈(0,1]，典型值是1,0.75,0.5和0.25。α=1是MobileNet的baseline，α<1是reduced MobileNets。宽度乘数在计算量和参数量上大概可以减少α²。

 

Resolution Multiplier: Reduced Representation

       第二个用于减少网络计算量的超参数是分辨率乘数（Resolution Multiplier）ρ。分辨率乘数用来改变输入数据层的分辨率。

 

       在α和ρ共同作用下，我们的深度可分离卷积网络的计算量为：

 

其中，ρ∈(0,1]，ρ 如果为{1，6/7，5/7，4/7}，则对应输入分辨率为{224，192，160，128}。ρ 参数的优化空间同样是 ρ² 左右。

　　下图可以看出两个超参数在减少网络参数的上的作用。

 

Experiments

Model Choices

 

　　表4中，同样是MobileNet的架构，使用可分离卷积，精度值下降1%，而参数仅为1/7。

       表5中，深且瘦的网络比浅且胖的网络准确率高3%。

Model Shrinking Hyperparameters

       表6中，α 超参数减小的时候，模型准确率随着模型的变瘦而下降。

 

       表7中，ρ 超参数减小的时候，模型准确率随着模型的分辨率下降而下降。

       下图显示了准确率和计算量的权衡。总共16个模型，其中α∈{1,0.75,0.5,0.25}，ρ∈{224,192,160,128}。

       下图是MobileNet与GoogleNet、VGG16的比较。

 

 

 

       还有其他很多比较数据，不再详述。

 

参考：

http://blog.csdn.net/wfei101/article/details/78310226

 

转载于:https://www.cnblogs.com/hejunlin1992/p/8330679.html