Google提出了移动端模型MobileNet，其核心是采用了深度可分离卷积，其不仅可以降低模型计算复杂度，而且可以大大降低模型大小，适合应用在真实的移动端应用场景。在认识MobileNet之前，我们先了解一下什么是深度可分离卷积，以及和普通卷积的区别。
上面的图片展示了普通卷积和分组卷积的不同，下面我们通过具体的例子来看。
普通卷积
标准卷积运算量的计算公式：
$$ {FLOPs }=\left(2 \times C_{0} \times K^{2}-1\right) \times H \times W \times C_{1} $$
计算公式参考：深度学习之（经典）卷积层计算量以及参数量总结 （考虑有无bias，乘加情况） - 琴影 - 博客园 (cnblogs.com)
参数量计算公式：$K^{2} \times C_{0} \times C{1}$
$C_{0}$ :输入的通道。K：卷积核大小。
H,W：输出 feature map的大小
$C_{1}$：输出通道的大小。
bias=False,即不考虑偏置的情况有-1，有True时没有-1。
举例：
输入的尺寸是227×227×3，卷积核大小是11×11，输出是6，输出维度是55×55，
我们带入公式可以计算出
参数量：
$11^2 \times 3 \times 6$=2178
运算量：
$2 \times 3 \times11^{2}\times 55\times 55 \times 6$=13176900
分组卷积
分组卷积则是对输入feature map进行分组，然后每组分别卷积。
假设输入feature map的尺寸仍为$C_{0}\times H \times W$，输出feature map的数量为$C_{1}$个，如果设定要分成G个groups，则每组的输入feature map数量为$\frac{C_{0}}{G}$，每组的输出feature map数量为$\frac{C{1}}{G}$，每个卷积核的尺寸为$\frac{C_{0}}{G}\times K \times K$，卷积核的总数仍为$C_{1}$个，每组的卷积核数量为$\frac{C{1}}{G}$，卷积核只与其同组的输入map进行卷积，卷积核的总参数量为$N\times \frac{C_{0}}{G}\times K \times K$，总参数量减少为原来的 $\frac{1}{G}$。
计算量公式：
$$ \left[\left(2 \times K^{2} \times C_{0} / g +1\right) \times H \times W \times C_{o} / g\right] \times g $$
分组卷积的参数量为：
$$ K * K * \frac{C_{0}}{g} * \frac{C_{1}}{g} * g $$
举例：
输入的尺寸是227×227×3，卷积核大小是11×11，输出是6，输出维度是55×55，group为3
我们带入公式可以计算出
参数量：
$11^2 \times \frac{3}{3} \times \frac{6}{3} \times 3$=726
运算量：
$\left[\left(2 \times 11^{2} \times3 / 3 +1\right) \times 55 \times 55 \times 6 / 3\right] \times 3$=2205225
深度可分离卷积（Depthwise separable conv）
设输入特征维度为$D_{F}\times D_{F}\times M$，M为通道数，$D_{k}$为卷积核大小，M为输入的通道数， N为输出的通道数,G为分组数。
当分组数量等于输入map数量，输出map数量也等于输入map数量，即M=N=G，N个卷积核每个尺寸为$D_{k}\times D_{k}\times 1 $时，Group Convolution就成了Depthwise Convolution。
逐点卷积就是把G组卷积用conv1x1拼接起来。如下图：
深度可分离卷积有深度卷积+逐点卷积。计算如下：
- 深度卷积：设输入特征维度为$D_{F}\times D_{F}\times M$，M为通道数。卷积核的参数为$D_{k}\times D_{k}\times 1 \times M$。输出深度卷积后的特征维度为：$D_{F}\times D_{F}\times M$。卷积时每个通道只对应一个卷积核（扫描深度为1），所以 FLOPs为：$M\times D_{F}\times D_{F}\times D_{K}\times D_{K}$
- 逐点卷积：输入为深度卷积后的特征，维度为$D_{F}\times D_{F}\times M$。卷积核参数为$1\times1\times M\times N$。输出维度为$D_{F}\times D_{F}\times N$。卷积过程中对每个特征做$1 \times 1$的标准卷积， FLOPs为：$N \times D_{F} \times D_{F}\times M$
将上面两个参数量相加就是 $D_{k} \times D_{k} \times M+M \times N$
所以深度可分离卷积参数量是标准卷积的$\frac{D_{K} \times D_{K} \times M+M \times N}{D_{K} \times D_{K} \times M \times N}=\frac{1}{N}+\frac{1}{D_{K}^{2}}$
mobileNetV1
详见论文翻译：
https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122692846
mobileNetV1的网络结构如下图.前面的卷积层中除了第一层为标准卷积层外，其他都是深度可分离卷积（Conv dw + Conv/s1），卷积后接了一个7*7的平均池化层，之后通过全连接层，最后利用Softmax激活函数将全连接层输出归一化到0-1的一个概率值，根据概率值的高低可以得到图像的分类情况。
pytorch版本
import torch
import torch.nn as nn
import torchvision
def BottleneckV1(in_channels, out_channels, stride):
return nn.Sequential(
nn.Conv2d(in_channels=in_channels,out_channels=in_channels,kernel_size=3,stride=stride,padding=1,groups=in_channels),
nn.BatchNorm2d(in_channels),
nn.ReLU6(inplace=True),
nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=1, stride=1),
nn.BatchNorm2d(out_channels),
nn.ReLU6(inplace=True)
)
class MobileNetV1(nn.Module):
def __init__(self, num_classes=1000):
super(MobileNetV1, self).__init__()
self.first_conv = nn.Sequential(
nn.Conv2d(in_channels=3,out_channels=32,kernel_size=3,stride=2,padding=1),
nn.BatchNorm2d(32),
nn.ReLU6(inplace=True),
)
self.bottleneck = nn.Sequential(
BottleneckV1(32, 64, stride=1),
BottleneckV1(64, 128, stride=2),
BottleneckV1(128, 128, stride=1),
BottleneckV1(128, 256, stride=2),
BottleneckV1(256, 256, stride=1),
BottleneckV1(256, 512, stride=2),
BottleneckV1(512, 512, stride=1),
BottleneckV1(512, 512, stride=1),
BottleneckV1(512, 512, stride=1),
BottleneckV1(512, 512, stride=1),
BottleneckV1(512, 512, stride=1),
BottleneckV1(512, 1024, stride=2),
BottleneckV1(1024, 1024, stride=1),
)
self.avg_pool = nn.AvgPool2d(kernel_size=7,stride=1)
self.linear = nn.Linear(in_features=1024,out_features=num_classes)
self.dropout = nn.Dropout(p=0.2)
self.softmax = nn.Softmax(dim=1)
self.init_params()
def init_params(self):
for m in self.modules():
if isinstance(m, nn.Conv2d):
nn.init.kaiming_normal_(m.weight)
nn.init.constant_(m.bias,0)
elif isinstance(m, nn.Linear) or isinstance(m, nn.BatchNorm2d):
nn.init.constant_(m.weight, 1)
nn.init.constant_(m.bias, 0)
def forward(self, x):
x = self.first_conv(x)
x = self.bottleneck(x)
x = self.avg_pool(x)
x = x.view(x.size(0),-1)
x = self.dropout(x)
x = self.linear(x)
out = self.softmax(x)
return out
if __name__=='__main__':
model = MobileNetV1()
print(model)
input = torch.randn(1, 3, 224, 224)
out = model(input)
print(out.shape)
