常见卷积的区别,eg:普通卷积,Depthwise卷积,Pointwise卷积,Depthwise separable convolution

文章介绍了卷积神经网络中常见的几种卷积类型:普通卷积改变通道数且影响特征图大小;Depthwise卷积仅改变特征图大小,不改变通道数;Pointwise卷积则用于改变通道数而不改变特征图大小。深度可分离卷积结合了Depthwise和Pointwise,降低了参数量和运算复杂度。
摘要由CSDN通过智能技术生成

1 普通卷积
        普通卷积是,一个卷积核与input的所有通道都进行卷积,然后不同通道相同位置卷积后的结果再相加,如下图所示,:⾸先,每个通道内对应位置元素相乘再相加,最后计算所有通道的总和作为最终结果。卷积核的Channel通道数等于Input输⼊的通道数,Output输出的通道数等于卷积核的个数。

注释:普通卷积可改变通道数,也可以改变feature map 的大小。

 

 

2 Depthwise 卷积
        Depthwise 卷积的一个卷积核只负责一个通道,一个卷积核只与一个通道卷积。那么卷积核数需要与输入的通道数相等,输出的通道数也不变,等于输入的通道数,等于卷积核数。所以depthwise卷积只改变特征图的大小,不改变通道数。但这种运算对输入层的每个通道独立进行卷积运算,没有有效的利用不同通道在相同空间位置上的feature信息。

注释:depthwise卷积,只改变feature map的大小,不改变通道数。

 

3 Pointwise卷积
        Pointwise Convolution的运算与常规卷积运算相似,它的卷积核的尺寸为 1×1×M,M为上一层的通道数。所以这里的卷积运算会将上一步的map在深度方向上进行加权组合,生成新的Feature map。有几个卷积核就有几个输出Feature map。

注释:Pointwise卷积,不改变feature map的大小,只改变通道数

 4 Depthwise separable convolution(深度可分离卷积) 
        深度可分离卷积depthwise separable convolution,由depthwise(DW)和pointwise(PW)结合起来组成。相比常规的卷积操作,其参数数量和运算成本比较低。

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值