1、深度可分离卷积网络的理论 深度可分离卷积是普通卷积操作的一个变种,它可以替代不同卷积,从而构成卷积神经网络。 以精度损失为代价去换取计算量的减少和参数量的减少,从而使得深度可分离卷积网络可以在手机端运行。 用右图的结构代替左图: 它的好处是,有不同尺寸的视野域, 如下图是Inception V3的结构:从左到右的视野域为:1*1,3*3,6*6,5*5,在这四个分支上有4种不同的视野域,4种不同的视野域也就提取出了4种不同尺寸的图像特征。最后输出的信息就更丰富,效果更好。并且相对于不做分支时会提高效率,减少计算量。 深度可分离卷积也是一种分支的网络结构,只不过它的分支建立在不同通道之上