moboilenet_V2论文原理理解

moboileNet主要致力于压缩网络大小，在压缩效果上可以，但是貌似前传时间很不靠谱。不能实际应用
方法如下：

Mobilenet v1核心提出 Separable convolution block，即是把卷积拆分为Depthwise+Pointwise两部分。

Depthwise是指将 N* H* W *C (N是一个batch的图片数量)的输入分为 group=C 组，
然后每一组做 3*3 卷积，这样相当于收集了每个Channel的空间特征，即Depthwise特征。

Pointwise是指对 N*H*W*C 的输入做 k 个普通的 1*1 卷积。这样相当于收集了每个点的特征，即Pointwise特征。

Depthwise+Pointwise最终输出也是 N* H* W *k，但是运算减少：

ref

https://zhuanlan.zhihu.com/p/35405071