MobileNet95%的计算时间都花费在1x1的逐点卷积上，并且占参数量的75%，如表2所示。其他额外的参数几乎都集中于全连接层。
主要还是采用depth-wise卷积和point-wise卷积来提取特征，很大程度上减少了参数量。
结构图：
升级点：
采用残差结构
在depthwise卷积之前先升维，因为作者认为DW因为计算特性，上层传来多少通道就只能输出多少通道，传来的通道数少的话
，只能在低维空间中提取特征，效果不好。所以在DW之前加了一个PW卷积，先升维，再卷积，再降维。并且加入升维系数控制着。
让dw提取到更多的特征。
在dw和pw之后的激活函数改为线性函数，因为作者认为激活函数对于低维特征会有破坏，不如线性函数。
整个网络并没有采用pooling进行下采样，而是利用stride=2来下采样
与resnet采用相同的1*1，3*3，1*1的模式，但是，resnet是先降维后升维；moblienet是先升维后降维，前者是沙漏型，后者是纺锤型。