Author:Yu Zhang2019.03.04
MobileNetV2
ShuffleNetV2
漂移卷积实验跑完了，IoU 只有 66%，降了 7 个百分点，下面把漂移去掉换成普通卷积，再对比看一下，如果有一点提升，那么在之后论文中也可以用到。感觉今天没看到啥。。发现的两个弱监督论文都没有期望中的好，有点僵住了。
MobileNetV2
这篇文章看得我云里雾里的，因为作者在 Linear BottleNeck 这一核心思想部分讨论得非常深，水平所限我就不阐述其中道理了，我们来看一下结构。深度可分离卷积我就不过多赘述了，在 channel 及空间上分别进行卷积，减少了计算量。下图为 MobileNetV2 提出的 bottleneck 结构：
其整个网络细节如下图，用在分割时可以只用前面的几层作为特征提取，因为它缩小的倍数太多了，没必要。可以看到通道数非常少，这样的网络会很快。
mobilenetV2 代码：mobilenetv2
ShuffleNetV2
ShuffleNetV2 列出了四点轻型网络要遵循的原则，并依据这四个原则，提出了改进思路，改变了原本的 shufflenet。其中四点原则为：
1) 相同通道宽度可以最小化内存访问成本 MAC2) 过多的组卷积会增加内存访问成本 MAC3) 网络内部碎片操作会降低并行度 4) 元素计算操作不容忽视，元素计算操作也会有很高的的 MAC
作者分析了不足，改进了 shufflenet 至 shufflenetv2 如下图, 具体细节就不多说了，看图都懂：
整个网络的架构：