zoukankan      html  css  js  c++  java
  • depth wise CNN

    depth wise cnn相对于传统的CNN,区别在于:它是逐通道做卷积操作

    例子如下:

    (1)使用传统卷积,输入:H*W*C_in,最终输出h*w*C_out:卷积核尺寸为K*K*C_in*C_out,则参数量=K*K*C_in*C_out,计算量=K*K*h*w*C_in*C_out;

    (2)使用depth wise cnn(一般还要加上1*1卷积),输入:H*W*C_in,最终输出h*w*C_out:首先是depth wise cnn,卷积核尺寸为K*K*C_in,该层的参数量=K*K*C_in,计算量=h*w*K*K*C_in,经过它的输出为h*w*C_in;然后是1*1卷积层,卷积核尺寸为1*1*C_in*C_out,该层参数量=1*1*C_in*C_out,计算量=h*w*C_in*C_out;综上,总的参数量=K*K*C_in + C_in*C_out,总的计算量=K*K*h*w*C_in + h*w*C_in*C_out。

    然后我们来做比较:

    参数量:(K*K + C_out) * C_in < K*K*C_out*C_in,即depth wise cnn具有更小的参数量;

    计算量:(K*K + C_out)*h*w*C_in < K*K*C_out*h*w*C_in,即depth wise cnn具有更小的计算量;

    综上,depth wise cnn相比较于传统cnn,参数量和计算量都更小,且模型表达能力在检测领域可以达到传统cnn一样的水平,所以广泛用于移动端或者对实时性要求较高的场景中;

  • 相关阅读:
    实验4-1-5 韩信点兵 (10分)
    实验4-1-6 求分数序列前N项和 (15分)
    实验7-1-5 选择法排序 (20分)
    实验7-1-2 求最大值及其下标 (20分)
    第一次个人编程作业
    3.Vue.js-目录结构
    2.VUEJS-安装
    1.Vuejs-第一个实例
    Mybatis通用Mapper介绍与使用
    商城项目团购之定时任务2
  • 原文地址:https://www.cnblogs.com/zf-blog/p/11633634.html
Copyright © 2011-2022 走看看