论文原文Xception: Deep Learning with Depthwise Separable Convolutions
深度可分离卷积（Depthwise Separable Convolution）率先是由 Laurent Sifre在其博士论文《Rigid-Motion Scattering For Image Classification》中提出。经典的MobileNet系列算法便是采用深度可分离卷积作为其核心结构。
Xception主要从Inception的角度出发，探讨了Inception和深度可分离卷积的关系，从一个全新的角度解释了深度可分离卷积。再结合残差网络，一个新的架构Xception应运而生。Xception取义自Extreme Inception，即Xception是一种极端的Inception，下面我们来看看它是怎样的一种极端法。
Inception的核心思想是将channel分成若干个不同感受野大小的通道，除了能获得不同的感受野，Inception还能大幅的降低参数数量。
Inception v3的结构图
当时提出Inception的初衷可以认为是：特征的提取和传递可以通过1*1卷积，3*3卷积，5*5卷积，pooling等，到底哪种才是最好的提取特征方式呢？Inception结构将这个疑问留给网络自己训练，也就是将一个输入同时输给这几种提取特征方式，然后做concat。Inception v3和Inception v1（googleNet）对比主要是将5*5卷积换成两个3*3卷积层的叠加。
于是从Inception v3联想到了一个简化的Inception结构，就是Figure 2。
简化的Inception结构
再将Figure2延伸，就有了Figure3(图2和图3是完全等价的)，Figure3表示对于一个输入，先用一个统一的11卷积核卷积，然后连接3个33的卷积，这3个卷积操作只将前面11卷积结果中的一部分作为自己的输入（这里是将1/3channel作为每个33卷积的输入）。再从Figure3延伸就得到Figure4，也就是33卷积的个数和11卷积的输出channel个数一样，每个3*3卷积都是和1个输入chuannel做卷积。
在搭建GoogLeNet网络时，我们一般采用堆叠Inception的形式，同理在搭建由Extreme Inception构成的网络的时候也是采用堆叠的方式，论文中将这种形式的网络结构叫做Xception。
如果你看过深度可分离卷积的话你就会发现它和Xception几乎是等价的，区别之一就是先计算Pointwise卷积和先计算Depthwise的卷积的区别。
在MobileNet v2中，我们指出bottleneck的最后一层 1*1 卷积核为线性激活时能够更有助于减少信息损耗，这也就是Xception和深度可分离卷积（准确说是MobileNet v2）的第二个不同点。
Xception
小结
Xception的结构和MobileNet非常像，两个算法的提出时间近似，不存在谁抄袭谁的问题。他们从不同的角度揭示了深度可分离卷积的强大作用，MobileNet的思路是通过将普通 3*3 卷积拆分的形式来减少参数数量，而Xception是通过对Inception的充分解耦来完成的。
参考链接：
Xception详解
Xception翻译
网友评论