【论文笔记】MobileNet V1研读

前言

论文原文：
https://arxiv.org/abs/1704.04861

论文翻译：
https://www.cnblogs.com/wj-1314/p/14318311.html

论文解读：
https://zhuanlan.zhihu.com/p/67872001

https://zhuanlan.zhihu.com/p/337834344

https://zhuanlan.zhihu.com/p/70703846

一、MobileNet v1 的四个问题

1、要解决什么问题？

• 在现实场景下，诸如移动设备、嵌入式设备、自动驾驶等等，计算能力会受到限制，所以本文的目标就是构建一个小且快速（small and low latency）的模型。

2、 用了什么解决办法？

1. 提出了MobileNet架构，使用深度可分离卷积（depthwise separable convolutions）替代传统卷积。
2. 在MobileNet网络中还引入了两个收缩超参数（shrinking hyperparameters）：宽度乘子（width multiplier）和分辨率乘子（resolution multiplier）。

3、效果怎么样？

• 在一系列视觉任务如ImageNet分类、细粒度分类、目标检测等等上，显著降低模型大小的同时也取得了不错的效果。

4、还存在什么问题？【参考知乎】

1. MobileNet v1的结构过于简单，是类似于VGG的直筒结构，导致这个网络的性价比其实不高。如果引入后续的一系列ResNet、DenseNet等结构（复用图像特征，添加shortcuts）可以大幅提升网络的性能。
2. Depthwise Convolution存在潜在问题，训练后部分kernel的权值为0。

二、MobileNet v1 网络结构

参考

https://blog.csdn.net/hongbin_xu/article/details/82957426

https://blog.csdn.net/qq_38675397/article/details/104235573

https://junchu.blog.csdn.net/article/details/109460784