23、移动卷积神经网络：MobileNet v2与SqueezeNet解析

移动卷积神经网络：MobileNet v2与SqueezeNet解析

1. MobileNet v2架构

1.1 整体架构概述

MobileNet v2的宏观架构由四个倒置残差组和一个最终的1×1线性卷积层组成。每个倒置残差组的滤波器数量相对于前一组会增加，同时通过元参数宽度乘数α（alpha）来减少每组的滤波器数量，从而降低计算成本。最终的1×1卷积层进行线性投影，将最终特征图的数量增加四倍，达到2048。

1.2 茎（Stem）组件

茎组件与v1类似，但在初始的3×3卷积层之后，没有像v1那样跟随深度卷积块。这使得粗粒度特征提取的表示能力可能不如v1中的双3×3卷积堆叠，但模型在准确率上却优于v1。

graph LR
    A[输入] --> B(3×3卷积层)
    B --> C[输出]

1.3 学习器（Learner）组件

学习器组件由七个倒置残差组和一个1×1线性卷积层组成。每个倒置残差组包含两个或更多的倒置残