MobileNet模型
一谜悟、模型框架
MobileNet模型是Google針對(duì)手機(jī)等嵌入式設(shè)備提出的一種輕量級(jí)的深層神經(jīng)網(wǎng)絡(luò)歉井，其使用的核心思想便是depthwise separable convolution厕怜。
對(duì)于一個(gè)卷積點(diǎn)而言：
假設(shè)有一個(gè)3×3大小的卷積層侮东，其輸入通道為16墩瞳、輸出通道為32。具體為收苏，32個(gè)3×3大小的卷積核會(huì)遍歷16個(gè)通道中的每個(gè)數(shù)據(jù)亿卤，最后可得到所需的32個(gè)輸出通道，所需參數(shù)為16×32×3×3=4608個(gè)鹿霸。
應(yīng)用深度可分離卷積排吴，用16個(gè)3×3大小的卷積核分別遍歷16通道的數(shù)據(jù)，得到了16個(gè)特征圖譜杜跷。在融合操作之前傍念，接著用32個(gè)1×1大小的卷積核遍歷這16個(gè)特征圖譜矫夷，所需參數(shù)為16×3×3+16×32×1×1=656個(gè)葛闷。
可以看出來depthwise separable convolution可以減少模型的參數(shù)。
在建立模型的時(shí)候双藕，可以使用Keras中的DepthwiseConv2D層實(shí)現(xiàn)深度可分離卷積淑趾，然后再利用1x1卷積調(diào)整channels數(shù)。
通俗地理解就是3x3的卷積核厚度只有一層忧陪，然后在輸入張量上一層一層地滑動(dòng)扣泊，每一次卷積完生成一個(gè)輸出通道，當(dāng)卷積完成后嘶摊，在利用1x1的卷積調(diào)整厚度延蟹。
二、結(jié)構(gòu)層次
三叶堆、網(wǎng)絡(luò)特點(diǎn)
輕量級(jí)網(wǎng)絡(luò)阱飘，速度快，參數(shù)少虱颗，方便使用
代碼實(shí)現(xiàn)(tesorflow2)
https://github.com/weigesdl/Classical_convolution_network_model/blob/master/MobileNet.ipynb
原文鏈接：
https://blog.csdn.net/weixin_44791964/article/details/102819915
