standard

depth-wish con

計算量減少

moblie-net

網絡機構

和其他網絡的對比

MobileNet 小結：

1. 核心思想是采用 depth-wise convolution 操作，在相同的權值參數數量的情況下，相較于 standard convolution 操作，可以減少數倍的計算量，從而達到提升網絡運算速度的目的。

2. depth-wise convolution 的思想非首創(chuàng)，借鑒于 2014 年一篇博士論文：《L. Sifre. Rigid-motion scattering for image classification. hD thesis, Ph. D. thesis, 2014》

3. 采用 depth-wise convolution 會有一個問題，就是導致「信息流通不暢」，即輸出的 feature map 僅包含輸入的 feature map 的一部分，在這里，MobileNet 采用了 point-wise convolution 解決這個問題。在后來，ShuffleNet 采用同樣的思想對網絡進行改進，只不過把 point-wise convolution 換成了 channel shuffle，然后給網絡美其名曰 ShuffleNet，欲知后事如何，請看 2.3 ShuffleNet