MobileNet V1

    对应论文是“MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications”。

    MobileNet V1的关键在于提出了Depthwise Separable Convolution（深度可分卷积）来代替传统的卷积。传统卷积对特征图的处理是one step，但是depthwise separable convolution将one layer拆分为two layers。第1层对每个channel的特征图进行filter操作，第2层利用1*1卷积核将不同channel的信息进行整合，调整输出的维度。这样切成两步后由于打破了输出channel数量N和kernel size的联系而降低了计算复杂度。

    假设对维度是[,,]的特征图处理后得到[,,]的新特征图，卷积核对应的维度是[,]，那么传统卷积操作的计算量是，但是depthwise separable convolution的计算量是，其中，第一部分是filter过程的计算量，第二部分是combine过程的计算量。现在模型中卷积核的大小一般是3，所以depthwise separable convolution的计算量主要在于第二部分。

    而，由于N一般比较大，所以主要是起主要作用。如果卷积核维度设置为[3,3]，则可以将计算量减少8~9倍。

    图对比：

2种卷积方式的流程对比

    在提出Base MobileNet后，为了进一步降低模型的内存和计算量，作者提出了两个用于调节模型大小的参数——Width multiplier（宽度因子）和Resolution Multiplier（分辨率因子）。

    宽度因子：用于改变每一层特征图的channel数量，将输入channel数和输出channel数分别改为和，这样计算量公式就变为，那么计算量和参数量也就减少了大概倍。

    分辨率因子：用于改变输入图片的分辨率。其实设置不同的图片输入分辨率就隐含了设置不同这一操作。同样，此时计算量公式变为，计算量上减少了大概倍。