XSepConv: Extremely Separated Convolution解读
论文地址:https://arxiv.org/pdf/2002.12046.pdf
摘要:深度可分离卷积在高效率的模型中逐渐变成一个不可或缺的操作。本文中我们提出了一个新的终极可分离卷积模块(XSepConv),它在深度可分离中结合了空间可分离,进一步减少参数和计算量。一个2x2的深度可分离卷积带有改良的对称填充策略被采用来补偿空间可分离卷积带来的对图像边的影响。XSepConv被设计为可以有效代替深度可分离大卷积。为了证明这一点,我们用XSepConv构成了MobileNetV3-small在一些竞赛通用数据集上进行了验证实验。
网络设计思想:结合深度可分离卷积和空间可分离卷积,考虑到空间可分离卷积缺少从水平和垂直以外的方向获取信息的能力,作者添加了一些可以从其他方向(对角方向)获取信息的操作。即采用了带有改良的对称填充的2x2卷积,在某种程度上补偿上文提及的问题。
![](https://img-blog.csdnimg.cn/20200307162910315.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjU2NTU3MQ==,size_16,color_FFFFFF,t_70)
图1左可以看到2x2的深度可分离卷积后面跟上空间深度