MobileNet-v1

 轻量化网络研究角度：

分组卷积：一组d维的卷积核负责卷积输入中的d维，有几组就生成几组channel。这里一组可以是1，2，3………个卷积核。

深度可分离卷积（depthwise separable convolution）：深度可分离卷积就是分组卷积的特例，d等于1，一组就是一个。

即：每一个卷积核都是深度为1（薄片片）跟输入中的一个通道卷积，生成一个feature map。

 pointwise conv（1*1卷积）：能够跨层通信，引入非线性，降维，升维

由于深度可分离卷积每一个卷积核只关注自己输入的通道，没有跨通道的通信；所以引入1*1conv

 MoblieNet 的基本模块：深度可分离卷积+1*1卷积

 

 深度可分离卷积+1*1卷积的计算量与经典卷积比较：计算量和参数量大概是经典卷积的1/9

经典卷积后的每一个元素都是一个卷积核的卷积

 im2col加速：把卷积运算变为矩阵运算，把每一次卷积的输入变为列向量，把卷积核变为一个行向量。由于im2col很快，并且mobilent里绝大多计算量来自1*1卷积，而1*1卷积天然是im2col