cdkl5基因突变深度可分离卷积其实是⼀种可分解卷积操作(factorized convolutions)。其可以分解为两个更⼩的操作:depthwise convolution 和pointwise convolution。mustek
深度卷积
东巴文字
与标准卷积⽹络不⼀样的是,这⾥会将卷积核拆分成单通道形式,在不改变输⼊特征图像的深度的情况下,对每⼀通道进⾏卷积操作,这样就得到了和输⼊特征图通道数⼀致的输出特征图。如上图,输⼊12*12*3 的特征图,经过5*5*3的深度卷积之后,得到了8*8*3的输出特征图。输⼊和输出的维度是不变的3,这样就会有⼀个问题,通道数太少,特征图的维度太少,能获得⾜够的有效信息吗? (3)逐点卷积
逐点卷积就是1*1卷积,主要作⽤就是对特征图进⾏升维和降维,如下图:
景秀中学
在深度卷积的过程中,我们得到了8*8*3的输出特征图,我们⽤256个1*1*3的卷积核对输⼊特征图进⾏卷积操作,输出的特征图和标准的卷积操作⼀样都是8*8*256了。
标准卷积与深度可分离卷积的过程对⽐如下:
法治论坛
(4)为什么要⽤深度可分离卷积?
深度可分离卷积可以实现更少的参数,更少的运算量。海外侨胞
将卷积乘法变成加法来实现相同的效果