轻量级神经网络MobileNet全家桶详解

本文是转载文章，转载自

文章目录

• • 一、前言
  • 二、MobileNet的优势
  • 三、MobileNet各版本介绍
  • • 3.1 MobileNetV1网络结构
    • 3.2 MobileNetV2网络结构
    • 3.3 MobileNetV3网络结构
  • 四、MobileNet各版本特性
  • • 4.1 深度卷积(Depthwise convolution)
    • 4.2 逐点卷积(Pointwise Convolution)
    • 4.3 深度可分离卷积(Depthwise Separable Convolution)
    • 4.4 Xception与MobileNet深度可分离卷积的区别
    • 4.5 宽度因子(Width Multiplier)
    • 4.6 分辨率因子(Resolution Multiplier)
    • 4.7 规范化(Normalization)
    • 4.8 线性瓶颈(Linear Bottleneck)
    • 4.9 反向残差(Inverted Residuals)
    • 4.10 5x5 的深度卷积
    • 4.11 Squeeze-and-excitation 模块
    • 4.12 h-swish激活函数
  • 五、MobileNet与其他模型对比
  • • 5.11 模型参数量对比
    • 5.12 模型计算量对比
    • 5.13 具有竞争力的准确率
  • 六、MobileNet各版本的指标对比
  • 七、MobileNetV3与NAS
  • 八、MobileNet与其他网络结合
  • 九、未来