MobileNet之【深入理解 深度可分卷积】

1.背景:

在传统卷积神经网络中,内存需求大、运算量大,导致无法在移动设备以及嵌入式设备上运行。

2.MobileNet:

MobileNet大大减少模型的参数与运算量;
增加了超参数α(控制卷积层、核数量)、β(控制输入图像尺寸)。

3.传统卷积:

卷积核通道 = 输入特征矩阵通道
输出特征矩阵通道 = 卷积核个数
在这里插入图片描述

4.深度可分卷积:DW卷积和PW卷积

DW卷积:

卷积核通道=1
输入特征矩阵通道=卷积核个数=输出特征矩阵通道
在这里插入图片描述

PW卷积:

传统卷积一样:
卷积核通道 = 输入特征矩阵通道
输出特征矩阵通道 = 卷积核个数
但是,卷积核的大小为1.
在这里插入图片描述

相关推荐

  1. 深度分离

    2024-03-23 18:44:01       31 阅读
  2. 深度学习轻量化神经网络MobileNet

    2024-03-23 18:44:01       26 阅读

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-03-23 18:44:01       98 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-03-23 18:44:01       106 阅读
  3. 在Django里面运行非项目文件

    2024-03-23 18:44:01       87 阅读
  4. Python语言-面向对象

    2024-03-23 18:44:01       96 阅读

热门阅读

  1. 【C++】每日一题 452 用最少数量的箭引爆气球

    2024-03-23 18:44:01       40 阅读
  2. Delphi 11 dbExpress 连接 MySQL 5.7.44

    2024-03-23 18:44:01       44 阅读
  3. Nginx Array

    2024-03-23 18:44:01       37 阅读
  4. Nginx常见面试题以及答案

    2024-03-23 18:44:01       37 阅读
  5. nginx有哪些功能

    2024-03-23 18:44:01       38 阅读
  6. 代码随想录学习Day 14

    2024-03-23 18:44:01       41 阅读
  7. 华为校招机试 - 循环依赖(20240320)

    2024-03-23 18:44:01       38 阅读
  8. c语言管理课程信息系统

    2024-03-23 18:44:01       44 阅读