MobileNet与HybridSN 高光谱图像分类

目录

一、MobileNet

1.MobileNet V1

2.MobileNet V2

3.MobileNet V3

二、HybridSN高光谱图像分类

三、思考

一、MobileNet

1.MobileNet V1

传统卷积神经网络，内存需求大，运算量大，导致无法在移动设备以及嵌入式设备上运行。

MobileNet网络专注于移动端或嵌入式设备中的轻量级CNN网络，相比于传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量，相比于VGG16准确率减少0.9%，但是模型参数只有VGG的1/32。

MobileNet网络中的亮点：

• Depthwise Convolution（大大减少运算量和参数数量）
• 增加超参数、(控制卷积核个数，控制输入图片的大小，这两个参数是人为设定的)

 传统卷积与DW卷积的区别：

 通常DW卷积与PW卷积放在一起使用：

 理论上普通卷积计算量是DW+PW的8到9倍。

2.MobileNet V2

MobileNet V2相比于MobileNet V1准确率更高，模型更小。

网络中的亮点：

• Inverted Residuals(倒残差结构)
• Linear Bottlenecks

 MobileNet V2使用的是ReLU6激活函数：

 MobileNet V2中倒残差结构如下：

 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。

3.MobileNet V3

网络亮点：

• 更新Block(bneck)
• 使用NAS搜索参数(Neural Architecture Search)
• 重新设计耗时层结构

 MobileNet V3相比于MobileNet V2更准确，更高效。

 更新Block包括：加入SE模块和更新了激活函数。

 重新设计耗时层结构：

1.减少第一个卷积层的卷积核个数(32->16)

2.精简Last Stage

 重新设计激活函数：

将替换为。

其中，

二、HybridSN高光谱图像分类

首先取得数据，并引入基本函数库：

! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indi