深度可分离卷积
DwConv作为深度可分离卷积,虽然它不能结合不同的输入通道,但两个相邻的正则点卷积可以有效地融合通道上的信息。另一个分支在与第一个分支的输出连接之前一直保持ptas身份。这种身份分支可以看作是一种有效的特征重用设计,增强了特征的传播,减少了参数的数量。在一个基本单元内,纵深卷积和点向卷积分别引入了·T·R·n2和·n2·n2参数。因此,用一个基本单位可以来代替标准卷积。DeepAtom使用 3个3深度卷积,通道数设置为244,488,976。因此,通过高效的模型设计,我们可以很容易地获得20倍以上的参数缩减,这使我们能够进行更深层的堆叠,以提高模型的学习能力。