【深度学习】Depthwise Sparable Convolution(Xception的核心模块)
2018-01-28 15:12
447 查看
Depthwise Separable Convolution
1.简介
Depthwise Separable Convolution 是谷歌公司于2017年的CVPR中在论文”Xception: deep learning with depthwise separable convolutions”中提出。2.结构简介
对输入图片进行分通道卷积后做1*1卷积。结构如下图:举例来说,假设输入通道数64,输出通道数64.
传统的Conv2D方法的参数数量为3*3*64*64;而SeparableConv2D的参数数量为3*3*64+1*1*64*64。
3*3*64:对输入的64个通道分别进行卷积
1*1*64*64:对concat后的64个通道进行1*1卷积(pointwise Convolution)
结论:参数数量减少了32192个。
3.适用范围
假设输入图片的空间位置是相较于通道之间关系是高度相关的。相关文章推荐
- 深度可分离卷积结构(depthwise separable convolution)计算复杂度分析
- 深度学习---Python OS模块命令
- 【深度学习】反卷积(transposed convolution)介绍
- 深度学习: convolution (卷积)
- Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.2
- 深度学习模块
- 深度学习的核心:掌握训练数据的方法
- ASP.NET 3.5核心编程学习笔记(41):HTTP处理程序与HTTP模块
- 深度解析:互联网运营6大核心职能模块
- OpenCV 用dnn深度学习模块检测图像
- Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.3
- Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)
- 深度学习框架太抽象?其实不外乎这五大核心组件
- 深度学习论文(九)---DeepLabV2-Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,
- 前端学习(四)node核心模块querystring
- Xception Deep Learning with Depthwise Separable Couvolutions
- python核心编程学习杂记2:__name__指示模块应如何被加载
- 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?
- Node.js学习笔记3【核心模块--event】
- OpenCV学习笔记2 OpenCV核心模块与核心功能Core Module & Core Functionality(一)