目录
一、背景
MobileNet v1是由google团队在2017年提出的， 专注于移动端或者嵌入式设备中的轻量级CNN网络。 相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32。
论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
MobileNet v2是由google团队在2018年提出的。
论文地址：MobileNetV2: Inverted Residuals and Linear Bottlenecks
MobileNet v3是由google团队在2019年提出的。
论文地址：Searching for MobileNetV3
二、MobileNet v1
1. 网络创新点
- Depthwise Coinvolution，大大减少运算量和参数数量
- 增加超参数α、β，便于调节网络模型
1.1. Depthwise Coinvolution
基本思想：将标准卷积拆分为两个分卷积，构成深度可分离卷积(Depthwise Separable Coinvolution)：第一层称为深度卷积(depthwise convolution)，对每个输入通道应用单通道的轻量级滤波器；第二层称为逐点卷积(pointwise convolution)，负责计算输入通道的线性组合构建新的特征。
传统卷积：
- 卷积核通道数 = 输入特征图通道数
- 输出特征图通道数 = 卷积核个数
??????DW卷积(Depthwise Coinvolution)： ?
- 卷积核通道数 = 1
- 输入特征图通道数 = 卷积核个数 = 输出特征图通道数
PW卷积(Pointwise Coinvolution)：
- 与普通卷积一样，但是卷积核大小为1
深度可分离卷积(Depthwise Separable Coinvolution)：
- 我们通常所使用的是3×3的卷积核，将DW卷积和PW卷积一起使用，理论上普通卷积核计算量是DW+PW的8~9倍。两者计算量比较结果如下：
K：卷积核尺寸，C_out：输出通道数
1.2. 超参数α、β
- α(Width Multiplier)：卷积核个数倍率，控制卷积过程中采用卷积核个数
- β(Resolution Multiplier):输入图像分辨率参数，控制处理图像的大小
2. 网络结构
2.1. 标准卷积层 vs?深度可分离卷积卷积层
2.2. MobileNet v1整体结构
三、MobileNet v2
1. 网络创新点
- Inverted Residuals
- Linear Bottlenecks
1.1. Inverted Residuals
深度卷积本身没有改变通道的能力，如果输入通道很少，DW深度卷积只能在低维度上工作，这样效果并不会很好。而逐点卷积也就是1×1卷积可以用来升维和降维，那就可以在DW深度卷积之前使用PW卷积进行升维（升维倍数为t，t=6），再在一个更高维的空间中进行卷积操作来提取特征。
ResNet的残差结构：对于输入特征矩阵采用1x1卷积进行压缩，再通过3x3卷积核进行卷积处理，最后再采用1x1卷积核扩充通道数
倒残差结构：对于输入特征矩阵采用1x1卷积核将通道数变得更深，再通过3x3的卷积核进行DW卷积，最后再采用1x1卷积核进行降维处理
1.2. Linear Bottlenecks
在MobileNet v1网络的实际使用中会发现DW卷积的部分卷积核容易废掉(即卷积核参数为0)，针对这个问题，原论文中作者通过实验得出：ReLU激活函数会对低维特征信息造成大量损失，对高维造成损失比较小，而在倒残差结构中的输出是一个低维特征向量，因此使用线性激活函数避免特征信息损失。因此倒残差结构的最后一个1x1卷积层，使用了线性激活函数，而不是ReLU激活函数。
2. 网络结构
2.1. 倒残差结构图
在普通残差结构中采用的是ReLU激活函数，在倒残差结构中采用的是ReLU6激活函数。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。
2.2. MobileNet v2整体结构
t是扩张倍数，即倒残差结构第一层1x1卷积核个数的扩张系数；c是输出的通道数；n是倒残差结构的重复次数；s是步长，代表每一个block所对应的第一层bottleneck的步长，其他的为1。
四、MobileNet v3
1. 网络创新点
- 新版Block
- 使用NAS搜索参数
- 重新设计耗时层结构
1.1.?新版Block
与MobileNetv2相比，Mobilenetv3的block中加入了SE模块，更换了激活函数 。更新的激活函数在图中用NL表示非线性激活函数统一表示，用到的激活函数主要有hards-wish、relu两种。最后那个1x1降维投影层用的是线性激活(f(x)=x)，也可以理解为没用激活。MobileNetv3的倒残差结构：
SE(Squeeze-and-Excitation) 模块类似于一个轻量级的注意力模块，注意力机制的作用方式是调整每个通道的权重，以在Mobilenetv3中的应用为例进行理解，如下图所示。
hards-wish
作者发现一种新出的激活函数swish x（如下） ，但认为这种非线性激活函数虽然提高了精度，但在嵌入式环境中，计算量太大，所以提出了h-swish。
可以用一个近似函数来逼急这个swish。作者选择的是基于ReLU6，作者认为几乎所有的软件和硬件框架上都可以使用ReLU6的优化实现。其次，它能在特定模式下消除了由于近似sigmoid的不同实现而带来的潜在的数值精度损失，在量化模式下会提高大约15%的效率。
作者认为随着网络的深入，应用非线性激活函数的成本会降低，能够更好的减少参数量。作者发现swish的大多数好处都是通过在更深的层中使用它们实现的。因此，在V3的架构中，只在模型的后半部分使用h-swish。
1.2. 使用NAS搜索参数(Neural Architecture Search)
主要结合两种技术：资源受限的NAS（platform-aware NAS）与NetAdapt。资源受限的NAS，用于在计算和参数量受限的前提下搜索网络来优化各个块（block），所以称之为模块级搜索（Block-wise Search）?。NetAdapt，用于对各个模块确定之后网络层的微调每一层的卷积核数量，所以称之为层级搜索（Layer-wise Search）。一旦通过体系结构搜索找到模型，我们就会发现最后一些层以及一些早期层计算代价比较高昂。于是作者决定对这些架构进行一些修改，以减少这些慢层(slow layers)的延迟，同时保持准确性。这些修改显然超出了当前搜索的范围。
1.3. 重新设计耗时层结构
精简早期层
减少第一个卷积层的卷积核个数(32减为16)，原论文中作者说减少卷积核后准确率不变且能够减少计算量，节省2毫秒时间。
精简最后阶段
使用NAS搜索出来的网络结构的最后一部分为Original Last Stage，发现这一部分比较耗时，因此对其进行精简为Efficient Last Stage，精简后准确率不变，并减少10ms耗时，提速15%。
2. 网络结构
MobileNetV3定义了两个模型:?MobileNet V3-Large和MobileNet V3-Small。V3-Large是针对高资源情况下的使用，相应的，V3-small就是针对低资源情况下的使用。主要的区别是通道数的变化与bneck的次数。
2.1.?V3-Large
- 第一列：每个特征层的输入变化
- 第二列：特征层的倒残差结构，NBN为不用BN层
- 第三列：倒残差结构中的第一层1x1卷积升维后的通道数，第一个块没有1x1卷积升维操作
- 第四列：倒残差结构输出的通道数
- 第五列：SE是否使用SE模块
- 第六列：使用激活函数的种类，HS代表h-swish，RE代表RELU。
- 第七列：倒残差结构所用的步长
2.2. V3-Small
参考
轻量级神经网络“巡礼”（二）—— MobileNet，从V1到V3
https://zhuanlan.zhihu.com/p/70703846