MobileNet的理解

（1）MobileNet是一个轻量级卷积神经网络，它进行卷积的参数比标准卷积要少很多。

MobileNet的基本单元是深度级可分离卷积，其可以分解为两个更小的操作：depthwise convolution和pointwise convolution

Depthwise convolution和标准卷积不同，对于标准卷积其卷积核是用在所有的输入通道上（input channels），而depthwise针对每个输入通道采用不同的卷积核，就是说一个卷积核对应一个输入通道。一般由M个n*n*1的卷积核构成，M是输入数据的深度。如下👉图所示。

而pointwise convolution其由N个1*1*M个卷积核构成，其中N是输出数据的深度。如下👈所示

 

 

                                  

（2）Depthwise convolution与标准卷积的不同之处在于进行卷积的操作，如下图所示（左边的Depthwise的卷积，右边的为标准卷积的）

    

总体下来的卷积如下图所示

                                                              

（3）对比标准卷积的计算量

与标准卷积核的参数量对比

假设输入一张 D*D*M的特征图，输出特征图是D*D*N

标准K*K卷积核计算量为：D*D*M*N*K*K

     可分离卷积中Depthwise卷积计算量为：K*K*M*D*D

                          Pointwise卷积的计算量为：M*N*D*D

  separate总的计算量就为： K*K*M*D*D+ M*N*D*D       进行相除

                                                         

显然，参数量比标准卷积少得多。