从Xception网络中聊聊深度可分离卷积

Xception: Deep Learning with Depthwise Separable Convolutions，在这篇文章中应用了深度可分离卷积。对于卷积来说可以看作三维的滤波器：通道维度+空间维度，常规的卷积就实现空间相关性和通道相关性。传统的卷积就是把所有通道当作一个整体来进行卷积，而在Xception文章中把通道数进行分组然后再卷积，然后再联合。

这幅图和Xception最接近，先进行1*1的卷积，然后再每个通道上进行3*3的卷积。将这个结果Concat起来就是卷积的结果，当然这也是一个可分离的卷积过程。 当Figure4和本文中还是有一点差别的：

• 深度可分离是先进行每个通道的卷积，然后得到结果concat起来，再进行1*1的卷积
• Inception中，每个操作后会有一个ReLU的非线性激活，深度分离是没有。

Xception的整体框架如下：

可以看到使用了残差网络的结构；接下来就聊聊每个模块中都用的SeparableConv卷积，也叫做深度可分离卷积

 

深度可分离卷积（Depthwise separable convolution） 将完整的卷积运算分解为两个部分：

• 对每个通道分别卷积，然后再Concat
• 在进行1*1的点积

假如现在有一个图像是7*7*3，然后进行卷积之后变成5*5*128.接下来就对比普通的卷积和深度可分离卷积：

• 普通卷积

  • 

    卷积核大小是3*3*3，用一个这样的大小卷积核进行卷积得到的结果是5*5*1.如果要得到通道数是128，那么就卷积参数就是3*3*3*128=3456
• 深度可分离卷积

  • 

    使用三个卷积核，每个核的大小是3*3*1，对每个通道也就是7*7*1进行卷积，然后把得到的结果contact起来，得到5*5*3

  • 

    为了扩展深度，使用1*1*3进行卷积，得到5*5*1的特征图

  • 

    使用了128个1*1*3的卷积核就可以得到5*5*128.这样一个深度可分离卷积就实现了。
  • 有两个步骤组成，所以卷积的参数两是两个卷积之和：3*3*1*3+1*1*3*128=1536
• 结论
  • Separable Convolution的参数个数是常规卷积的1/3
  • 参数量相同的前提下，采用Separable Convolution网络的层数可以更深，提取特征也就更多，也就是有更多的通道数表达，通道数也叫宽度。一般情况下，网络越宽，性能越好。宽度就让每一次学习到更加丰富的特征，比如不同方向上，不同频率的纹理特征。在EfficientNet网络中就是从网络的宽度，深度，分辨率出发进行缩放达到一个好的效果，提取到更好的特征。

以上几个图分别来自Xception论文和一文读懂12中卷积方法