『图解』深度可分离卷积

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

本文发布于:2024-09-21 13:24:28，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/475134.html

上一篇：声音反卷积matlab,用MATLAB做反卷积

下一篇：Python图像处理：图像腐蚀与图像膨胀

标签：卷积深度特征分离实现操作

留言与评论（共有 0 条评论）