知识卡片

普通读书笔记卡 · 9425.d · 生成模型:Tencent Hunyuan Hy

MobileNetV2 动机

理解等级:初级

MobileNetV2 是 2018 年发布的第二版,比 MobileNet 更快、参数更少,发布后广泛用于最新的对象检测与分段架构,让资源有限设备也能做检测或分割。其设计动机是让网络更轻巧:所有 CNN 都会在增加特征映射深度的同时缩小宽高,直接减少深度虽能减参,却会削弱 CNN——过滤器无法从浅特征映射中提取足够特征。Google 的解决思路不是一味削通道,而是对现有 MobileNet 块做两处关键改动:引入扩展线性瓶颈层与倒置残差块。前者在降维时用线性层保住信息,后者借瓶颈间的残差连接让梯度易流动,详见[[线性瓶颈层]]与[[扩展层与反向残差块]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第05章《移动神经网络和 CNN》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/09.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文指出单纯减少通道会削弱 CNN 的提取能力,从而引出 MobileNetV2 以扩展线性瓶颈层与倒置残差块替代直接砍深度的动机。 - 原始内容:减小网络大小的一种简单方法是减小特征映射的深度。 通道数越少,参数越少。 但这会削弱 CNN! 卷积过滤器将无法从浅层特征映射中提取特征。