MobileNets论文解析

论文全称：

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

下载地址：

论文核心思想：

本文对我们常见的卷积操作进行了改进，使得计算量得到了降低。

常规卷积：

常规卷积操作的示意图：

MobileNets论文解析

论文提出的深度可分离卷积(Depthwise separable convolutions)

由两部分组成：

第1部分：在深度上进行卷积(Depthwise convolution)，即：在每一个通道的二维矩阵上进行卷积。

在这个部分中的卷积核是2维的，即卷积核的深度为1，输入图片的深度是多少，卷积核就有多少个。

depthwise convolution 示意图：

MobileNets论文解析

第2部分：在点上进行卷积（Pointwise convolution ），即：在二维矩阵每一个点上对所有的通道进行卷积。

在这个部分中的卷积核虽然是3维，但是宽和高均为1，输入图片的面积（宽*高的值）是多少，就有多少个卷积核。

pointwise convolution 示意图：

MobileNets论文解析

最后，用一张图来描述完整的深度可分离卷积：

MobileNets论文解析

至于论文中关于计算量的推导计算，这里就不作赘述了。

如有问题，欢迎交流。

文中图片来自网络：

侵删。