輕量級神經網絡MobileNet全家桶詳解

本文是轉載文章，轉載自

文章目錄

• • 一、前言
  • 二、MobileNet的優勢
  • 三、MobileNet各版本介紹
  • • 3.1 MobileNetV1網絡結構
    • 3.2 MobileNetV2網絡結構
    • 3.3 MobileNetV3網絡結構
  • 四、MobileNet各版本特性
  • • 4.1 深度卷積(Depthwise convolution)
    • 4.2 逐點卷積(Pointwise Convolution)
    • 4.3 深度可分離卷積(Depthwise Separable Convolution)
    • 4.4 Xception與MobileNet深度可分離卷積的差別
    • 4.5 寬度因子(Width Multiplier)
    • 4.6 分辨率因子(Resolution Multiplier)
    • 4.7 規範化(Normalization)
    • 4.8 線性瓶頸(Linear Bottleneck)
    • 4.9 反向殘差(Inverted Residuals)
    • 4.10 5x5 的深度卷積
    • 4.11 Squeeze-and-excitation 子產品
    • 4.12 h-swish激活函數
  • 五、MobileNet與其他模型對比
  • • 5.11 模型參數量對比
    • 5.12 模型計算量對比
    • 5.13 具有競争力的準确率
  • 六、MobileNet各版本的名額對比
  • 七、MobileNetV3與NAS
  • 八、MobileNet與其他網絡結合
  • 九、未來