深度可分离卷积Depthwise Separable Convolution

Standard Convolution 传统卷积

filter的大小可以自己定义，但是要根据输入的fearture map的通道channel来确定filter的通道数，进行Convolution之后就会得到一个$4\ast 4$的feature map。

当有$n$个filter的时候，就会得到具有$n$个通道数的$4\ast 4$大小的feature map。

此时，需要的参数量为：$3\ast 3\ast 2\ast 4=72$

深度可分离卷积

采用多个2D（单通道）的filter对输入的 feature map 进行Convolution运算（每一个单通道filter对输入的feature map的一个通道进行卷积运算）。这个filter的数量和输入 feature map的通道数是相同的。

用每一个filter去convolution其针对的feature map的某一通道的feature map

此时，经过分离卷积得到的新的feature map是没有联系的，因此需要通过再一步的逐点卷积Pointwise Convolution，将它们相互联系。

这一步的操作类似于普通的卷积操作，但是采用的filter的大小为$1\ast 1$，有$n$个$1\ast 1$的filter，卷积就得到$n$个通道的新feature map。经过两个步骤之后得到了与传统一步卷积之后的相似的feature map。

但是，经过深度可分离卷积之后的两个步骤之后，参数使用只有26个，极大的减少了网络的参数量。