Xception网络结构理解
Posted ywheunji
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Xception网络结构理解相关的知识,希望对你有一定的参考价值。
Xception网络是由inception结构加上depthwise separable convlution,再加上残差网络结构改进而来/
常规卷积是直接通过一个卷积核把空间信息和通道信息直接提取出来,结合了spatial dimensions和channels dimensions;xception这种是分开做的。
它最初的想法是从Incetpion来的,总体思想是把corss-channel correlations和spatial correlations充分解耦合;
将Inception modul拆分成一系列操作,独立处理spatial-correlations和cross-channel correlations,网络处理起来更加简单有效
步骤是:
- 首先通过‘1x1’卷积,将输入数据拆分cross-channel相关性,拆分成3或者4组独立的空间
- 然后,通过‘3x3’或者‘5x5’卷积核映射到更小的空间上去
inception结构到xception的演变:
从1到2是一个简化过程,从2到3是把1*1的卷积核拼接起来,使得经过1*1的卷积之后可以将输入数据的channel维度上进行拆解; 最后一种是极端情况,3x3卷积在1x1卷积后的每一个通道上运行。
这种思想与depthwise separable convolution基本一样,只是再空间解耦合与通道解耦合的顺序不同,论文作者谈到这种模块再整体网络结构中都是相连的,顺序并没有太大影响。
Xception的网络结构:
结合残差结构,separable conv模块的相连
以上是关于Xception网络结构理解的主要内容,如果未能解决你的问题,请参考以下文章
详解Inception结构:从Inception v1到Xception
人脸表情识别系统——基于Mini-Xception网络模型实现表情分类
深度学习100例 | 第24天-卷积神经网络(Xception):动物识别
轻量级网络 Inception, Pointwise Conv, Group Conv, Depthwise Conv, Bottleneck, Xception, MobileNet, Shuffe
轻量化卷积神经网络模型总结by wilson(shffleNet,moblieNet,squeezeNet+Xception)