Image classification MobileNet: 两项关键改进

MobileNet是由Google团队于2017年开发的一款专为移动端与嵌入式设备设计的卷积神经网络架构。其应用范围广泛，涵盖智能手机、无人机、机器人系统、自动驾驶技术以及增强现实等多个领域。

在此之前，学术界更倾向于提升模型的识别精度，因此研究方向主要集中在增加网络深度与复杂度上。从2012年推出的8层AlexNet，到2014年风靡一时的19层VGG和22层GoogLeNet，再到2015年由何凯明提出、拥有152层结构的ResNet，可以看出模型深度不断加深，识别准确率也持续提升。

然而，这些深度学习模型所包含的参数数量和计算量都极为庞大，在移动端或嵌入式设备上难以实现高效运行。

本文所介绍的MobileNet则是一款专为移动设备优化设计的卷积神经网络，在大幅减少参数数量与计算资源消耗的同时，仍能保持较高的识别精度。

对于MobileNet的特点，我的概括可以用八个字来总结：一项创新性设计，两个关键超参数。

1 一点创新

那么MobileNet具备哪些创新性特征呢？

实际上，其最具突破性的改进仅体现在单一层面。即引入了depthwise sep