美文网首页
经典卷积模型之MobileNet

经典卷积模型之MobileNet

作者: 爱修仙的道友 | 来源:发表于2020-03-12 15:37 被阅读0次

    MobileNet模型

    一、模型框架

    MobileNet模型是Google针对手机等嵌入式设备提出的一种轻量级的深层神经网络,其使用的核心思想便是depthwise separable convolution。

    对于一个卷积点而言:
    假设有一个3×3大小的卷积层,其输入通道为16、输出通道为32。具体为,32个3×3大小的卷积核会遍历16个通道中的每个数据,最后可得到所需的32个输出通道,所需参数为16×32×3×3=4608个。

    应用深度可分离卷积,用16个3×3大小的卷积核分别遍历16通道的数据,得到了16个特征图谱。在融合操作之前,接着用32个1×1大小的卷积核遍历这16个特征图谱,所需参数为16×3×3+16×32×1×1=656个。
    可以看出来depthwise separable convolution可以减少模型的参数。


    image.png

    在建立模型的时候,可以使用Keras中的DepthwiseConv2D层实现深度可分离卷积,然后再利用1x1卷积调整channels数。

    通俗地理解就是3x3的卷积核厚度只有一层,然后在输入张量上一层一层地滑动,每一次卷积完生成一个输出通道,当卷积完成后,在利用1x1的卷积调整厚度。

    二、结构层次
    image.png
    三、网络特点

    轻量级网络,速度快,参数少,方便使用

    代码实现(tesorflow2)

    https://github.com/weigesdl/Classical_convolution_network_model/blob/master/MobileNet.ipynb

    原文链接:

    https://blog.csdn.net/weixin_44791964/article/details/102819915

    相关文章

      网友评论

          本文标题:经典卷积模型之MobileNet

          本文链接:https://www.haomeiwen.com/subject/tjpikhtx.html