一、介绍

MobileNetv2 网络是由google 团队在2018年提出的，相比MobileNet V1网络，准确率更高，模型更小。

网络中的亮点：

 Inverted Residuals (倒残差结构)

Linear Bottlenecks

二、MobileNetV2详解

2.1 倒残差结构

2.1.1 残差结构 Residual block

特点：

1. 1x1 卷积降维

2. 3x3卷积

3. 1x1 卷积升维

2.1.2 倒残差结构 Inverted residual block

特点：

1. 1x1 卷积升维

2. 3x3卷积 DW

3. 1x1 卷积降维

4. Relu6 (x) = min(max(x, 0), 6)

2.2 Linear Bottlenecks(线性瓶颈结构)

2.2.1 改进问题

Relu 激活函数对低维特征信息造成大量损失，在15~30高维信息损失较小。

2.2.2 Linear Bottlenecks 应用

注：当stride=1 且 输入特征矩阵与输出特征矩阵shape 相同时，才有shortcut 连接。

2.3 模型结构

注释：

• t 是扩展因子

• c 是输出特征矩阵深度channel

• n 是 bottleneck 的重复次数

• s 是步距（针对第一层，其他为1）

2.4 性能对比