论文信息
论文名称：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
论文地址：https://arxiv.org/abs/1704.04861
研究背景和研究意义
之前的网络都倾向于将网络做得又大又深，并且不考虑网络的速度，仅仅针对网络的精确度，这会使得网络的参数很多，计算量巨大，对于移动设备和嵌入式应用场景是很不友好的，这些场景更偏向于实际的应用，需要考虑用户的使用体验和成本，因此本文提出了MoblieNet 来减少网络参数和降低网络的时延，再保证精度不会大幅度下降的情况下，实现实时的检测和识别。
注：网络的深度是指网络的层数，网络每一层的宽度是指网络中每一层的通道数
创新点
1、将传统的全卷积full convolution替换为深度可分离卷积depthwise separable convolution。它分为两步，先进行逐通道卷积（depthwise convolution） 和逐点卷积（pointwise convolution） 。 在代码实现的时候DW将卷积的group设置为输入通道数inchannels,PW 和1x1的卷积没什么区别。
2、引入了两个超参数宽度乘数和分辨率乘数来使得网络变得更瘦以及简化显示。
代码详解
https://www.rstk.cn/news/132755.html?action=onClick
https://blog.csdn.net/qq128252/article/details/105885880
参考文献
https://zhuanlan.zhihu.com/p/80041030（深度可分离卷积详解）
https://www.cnblogs.com/ziwh666/p/12484703.html
https://www.ngui.cc/el/2832516.html?action=onClick
https://zhuanlan.zhihu.com/p/371667329（条理清楚，写得很棒）
