人脸辨识想要达到准确度高、辨识速度也要快,在大多的模型都利用较深的层数来强化模型的准确度,在2017年所出现的MobileNet模型是利用depthwise separable convolution来化简参数个数,来达到减少原始convolution的计算量,在不降低太多原本利用卷积层的效果。
举例说明:Input (16,16,16) output(16,16,64) kernel size(3,3)
Original convolution
= K x K x Nch x M x W_in x H_in
= 3 x 3 x 16 x 64 x 16 x 16 = 2359296
Depthwise separable convolution
= K x K x Nch x W_in x H_in+ Nch x M x W_in x H_in
= 3 x 3 x 16 x 16 x 16 + 16 x 64 x 16 x 16
= 36864 + 262144 = 299008
这样参数量从原先的2359296降低到299008
比例为299008/2359296=0.126
在Pointwise convolution为何1 x 1 x Nch是使用1呢?
因为在每一个Feature map与其他Feature map的关联性要有所连接,乘1的话所有的Feature map关联性较容易进行组合生成新的Feature map。
>>: 30天零负担轻松学会制作APP介面及设计【DAY 25】
运算子 运算子即计算、比较、位移用的种种符号,欲知详情请自行google。 让我们先来看看算数运算子...
研究了半天 写了一个自动注册帐户的程序 如下 首先会读取chromedriver 开启後转到注册页面...
前言 当我们已经可以进入shioaji这个厨房,却发现用来烹饪的厨具都锁在架上,我们只能用一些简单的...
话说为了要作出吃了会考试100分、会变聪明、变漂亮的「爆浆濑尿虾牛丸」,我特别找来庙街最重情义的火鸡...
开发 WooCommerce 金流外挂能在本机测试的部分除了确保设定项有正确写入资料库外,剩下的就是...