关键词
深度可分离卷积
- 深度可分离卷积（depthwise separable convolutions，DSC）：DSC由Depthwise Convolution和Pointwise Convolution两部分构成。
- Depthwise Convolution对输入feature map的每个通道分别使用一个卷积核，然后将所有卷积核的输出再进行拼接得到它的最终输出，
- Pointwise Convolution实际为1×1卷积，在DSC中它起两方面的作用。第一个作用是让DSC能够自由改变输出通道的数量；第二个作用是对Depthwise Convolution输出的feature map进行通道融合。
Depthwise Convolution的每一层输出只与input的一个通道相关，利用1×1卷积本身就具有的通道融合能力，可以让Depthwise Convolution的各层输出之间联系在一起。
- 普通卷积和DSC性能对比
一些知识点
卷积
我们称
其连续定义为：
其离散定义为：
离散卷积示例：丢骰子
求两枚骰子点数之和等于4的概率。
令骰子1掷出各点数的概率为
则点数之和等于4的概率为：
整理为标准形式：
连续卷积示例：做馒头
pass(没理解)
图像处理示例：降噪
对于存在很多噪点的图片，我们需要对这些噪点进行平滑处理，降低噪点与周围的色彩差异。可以通过卷积操作实现这个平滑过程。
通识
- 卷积操作的输出通道数等于卷积核的数量。