可分离卷积分为:空间可分离卷积与深度可分离卷积
MobileNet用的是深度可分离卷积
深度可分离卷积:
深度可分离卷积=深度卷积(depthwise convolution)+逐点卷积(pointwise convolution)
一、MobileNet V1
详解
1.
设输入特征图是M维,卷积核是Dk * Dk,输出特征图是N维,大小是Dg * Dg
普通卷积:
计算量:Dk * Dk * M * N * Dg * Dg
计算量:5 * 5 * 3 * 256 * 8 * 8 ≈ 123W
深度卷积:
计算量:Dk * Dk * M * Dg * Dg
计算量:5 * 5 * 3 * 8 * 8 = 4800
逐点卷积:
计算量:1 * 1 * M * N * Dg * Dg
计算量:1 * 1 * 3 * 256 * 8 * 8 = 49152
深度可分离卷积总计算量:49152+4800≈5.3w<<123w
计算量减少:
当为3 * 3的卷积核,计算量大约是原来的1/9
2、普通卷积层与MobileNet卷积层:
ReLU6:x值大于6的时候,y取6,即给ReLU一个上限6
3、网络结构:
4、MobileNet瘦身:
(1)宽度乘数: α,减少通道数