其他分享
首页 > 其他分享> > MobileNet V1V2个人总结

MobileNet V1V2个人总结

作者:互联网

v1

需求:传统网络内存需求大,运算量大。嵌入式,移动设备设备无法运行。
google团队 2017 轻量级CNN网络
论文地址 https://arxiv.org/pdf/1704.04861.pdf

亮点:模型参数与运算量少。DW卷积

Depthwise Cov

传统卷积:filter channel = 输入channel 输出channel=num of filter
DW卷积:filter channel fixed = 1 一个filter负责一个输入channel
PW卷积:filter large fixed = 1

模型结构:
在这里插入图片描述

在这里插入图片描述
两个超参数一个调节卷积核个数一个调节输入图像大小-进一步减少模型计算量。
问题:卷积核参数大部分为0 v2改进

v2 2018

准确率更高,模型更小

亮点:inverted residuals and linear bottle necks

传统residual block:
1*1 降维

3*3普通卷积

1*1卷积升维
在这里插入图片描述

倒残差:
1*1 卷积升维

3*3 DW卷积relu6= min(max(x,0),6)

1*1 卷积降维
在这里插入图片描述

标签:总结,MobileNet,卷积,模型,filter,运算量,DW,V1V2,channel
来源: https://blog.csdn.net/Peloponnesian/article/details/117255890