可分离卷积(MobileNet-v1)

2018-07-13 本文已影响0人翻开日记

总结

使用depth-wise separable convolution
主要减少了参数量和计算量

使用13个3 $\times$ 3的卷积核

针对一个3 $\times$ 3卷积核, 分别对7个通道的特征图计算, 产生7张特征图,将这7张特征图相加,合并成一张特征图.

最终产生13张特征图.

（7 $\times$ 3 $\times$ 3+1） $\times$ 13=832

(阶段1)使用1个3 $\times$ 3的卷积核

分别对7个通道的特征图进行计算,产生7个特征图

(阶段1)共产生7张特征图

(阶段2)使用13个1 $\times$ 1的卷积核

选一个1 $\times$ 1卷积核, 分别对上层产生的7张图进行计算,一个卷积核总共计算得到的13张图合并相加,成为一张图.

(阶段2)共产生13张图

两个阶段共产生7张特征图

7 $\times$ 3 $\times$ 3 $\times$ 1 + 7 $\times$ 1 $\times$ 1 $\times$ 13=154

可分离卷积参数量变为原来参数量的五分之一.

ps:
阶段1:depthwise convolution
阶段2:pointwise convolution