原文：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
贡献：提出了深度可分离卷积的概念，引入了两个超参来进一步缩小网络训练参数。
论文大体思路就是：深度卷积+点卷积 = 深度可分离卷积 ≈ 正常卷积。
下面阐述过程为：深度可分离卷积是什么，和正常卷积相比改进在哪里有什么优点，两个超参设置的作用，以及整个网络的模型和效果。

深度可分离卷积

这是传统卷积的计算过程，该图取自简书中的文章“卷积网络CNN中各种常见卷积过程“，可以可以得出整个卷积的计算代价是：

其中Dk是卷积核大小、M是输入通道数，N是输出通道数，Df是输入图片大小。
下面这个图是与传统卷积等效的深度卷积与点卷积的过程：

可以看出计算代价为：

其中Dk是深度卷积核大小、M是输入通道数，N是输出通道数，Df是输入图片大小。可以看出，该模型把大部分的计算代价都加在后面的1*1点卷积上，从而降低计算量。所以该文章找到了一个训练参数更少，计算代价更小的模型去近似传统卷积。

正常卷积相比的改进

虽然降低了计算量，但是模型识别精度也受到了一点影响。

但是相比于大幅度降低的计算量来讲，降低的1%精度，可以不做考虑。

设置两个超参$\alpha$α、$\rho$ρ

Width Multiplier $\alpha$α : Thinner Models

The role of the width multiplier $\alpha$α is to thin a network uniformly at each layer（目的：均匀薄化网络）。
For a given layerand width multiplier $\alpha$α, the number of input channels M becomes $\alpha$αM and the number of output channels N becomes $\alpha$αN。 其中$\alpha \in(0,1]$α∈(0,1] ，通常设置为：1, 0.75, 0.5 and 0.25。
所以带有$\alpha$α的深度可分离网络的计算代价为：

个人理解：$\alpha$α相当于根据不同的实际应用场景和项目要求，在模型效果和模型精度之间做权衡。

Resolution Multiplier $\rho$ρ : Reduced Representation

In practice we implicitly set $\rho$ρ by setting the input resolution.（作用在输入图像上，相当与控制传入模型的图像分辨率），其中$\rho \in(0,1]$ρ∈(0,1]，通常要保证网络输入图片分辨率为 224, 192, 160 or 128。所以带有$\alpha$α、$\rho$ρ的深度可分离网络计算代价为：


上表显示了一个层的不同情况下计算和参数的数量。

整个V1网络的模型和效果

上图是整个模型的结构，可以看出整个网络都是深度网络+点卷积组成的，其中下采样层几乎都换成了stride，最后用softmax进行多分类。

上图0.75MobileNet是超参数 $\alpha$α 设置为0.75之后的模型，Shallow MobileNet 是将网络中输入为14$ * $14$14 * $512的5层去掉之后的模型，比较的意义在于：体现网络变瘦比网络变短在参数量相似的前提下精度更有优势。

上图表示在统一输入图片尺寸（224）前提下，不同 $\alpha$α 的值对模型精度和计算量的影响。

上图表示在统一 $\alpha$α 的前提下，不同输入图片分辨率对模型精度和计算量的影响。