MobileNet系列作為輕量級(jí)網(wǎng)絡(luò)的代表，使得CNN輕量化和移動(dòng)端的部署成為可能。MobileNet系列目前總共有三個(gè)版本， 分別是MobileNet v1、MobileNet v2和MobileNet v3。作為學(xué)習(xí)輕量化網(wǎng)絡(luò)的必經(jīng)之路，本文重點(diǎn)對(duì)MobileNet系列網(wǎng)絡(luò)進(jìn)行闡述。

MobileNet v1

MobileNet v1論文為MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications，2017年由谷歌提出，主要專注于CNN的移動(dòng)端使用和部署。

簡(jiǎn)單來說，MobileNet v1就是將常規(guī)卷積替換為深度可分離卷積的VGG網(wǎng)絡(luò)。下圖分別是VGG和MobileNet v1 一個(gè)卷積塊所包含的網(wǎng)絡(luò)層。

可以看到，VGG的卷積塊就是一個(gè)常規(guī)3*3卷積和一個(gè)BN、一個(gè)ReLU激活層。MobileNet v1則是一個(gè)3*3深度可分離卷積和一個(gè)1*1卷積，后面分別跟著一個(gè)BN和ReLU層。MobileNet v1的ReLU指的是ReLU6，區(qū)別于ReLU的是對(duì)激活輸出做了一個(gè)clip，使得最大最輸出值不超過6，這么做的目的是為了防止過大的激活輸出值帶來較大的精度損失。

那么，什么是深度可分離卷積呢？

總結(jié)

以上是生活随笔為你收集整理的轻量化CNN网络MobileNet系列详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。