MobileNet 进化史： 从 V1 到 V3（V1篇）

MobileNet 进化史： 从 V1 到 V3（V1篇）

这部分内容总共由如下 3 篇文章构成。

• MobileNet 进化史： 从 V1 到 V3（V1篇）
• MobileNet 进化史： 从 V1 到 V3（V2篇）
• MobileNet 进化史： 从 V1 到 V3（V3篇）
• MobileNet实战：基于 MobileNet 的人脸表情分类

1. 前言

MobileNet V1 是 Andrew G. Howard（Google Inc.） 等人于 2017 年（其实是 2016 年先于 Xception 已经提出，但是直到 2017 年才挂到 arXiv 上）在 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision
Applications 中提出的一种网络结构，这种网络结构的特点是模型小，计算速度快，适合部署到移动端或者嵌入式系统中。

MobileNet V1 的关键是用深度可分卷积（depthwise separable convolutions） 替代了传统的卷积操作。其实这里隐含了一个问题是为什么这样可以使参数变少，计算量减小？原因很简单，因为卷积操作在模型中占了绝大多数的存储和计算资源。

上面是 AlexNet 中各个 layer 所占用的计算资源的情况，从图中可以非常清楚的看出卷积操作是占大头的，所以优化卷积操作是可以起到立竿见影的效果的。

2. 深度可分卷积

对于传统的卷积操作，比如如下的卷及操作，假设：

• 操作前 feature size 为 $H_D\ast W_D\ast M$
• 卷积核的 size 为 $H_K\ast W_K\ast M\ast N$
• 卷积后 feature size 为 $H_A\ast W_A\ast N$

其中 $H_A=\frac{H_D-H_K+2\ast Pa}{stride}$