[Model Review] MobileNet SSD 논문 퀵 리뷰

퀄리티가 높지 않습니다. 주의!

Mobile Object Detection model - based on VGG- 16

https://arxiv.org/abs/1704.04861

1. Summary

VGG-16 기반 기본 모델이다. 기존 VGG-16 모델이 3x3x3 convolution을 3-dimention으로 사용했기 때문에 총 parameter 개수가 81개였는데, mobile 기기 위에 올리기 위해 depthwise convolution과 pointwise convolution을 함께 사용하여 331 x 3 + 311 x 3 = 27 + 9 = 36개의 parameter로 줄인 방식의 모델이다.

→ 이를 Depth separable convolution 이라고 부른다.

2. Architecture

• Depthwise Separable Convolution
  • input channel에 대해 single filter(depthwise)를 적용
  • filter의 output에 pointwise(1x1 conv)를 적용, combine
• 기존 standard convolution의 경우 filter와 combine을 한 큐에 했는데, 여기서는 두 단계로 나눠서 적용

standard con와 depthwise conv 비교

• VGG-16와 비교

• 기존 = conv → batch normalization → relu
• depthwise = depthwise conv → batch normalization → relu → pointwise conv → batch normaliztion → relu

• 첫 layer만 full conv(standard conv) 사용, 이후엔 쭉 depthwise separable conv
• pooling 대신 stride를 조정해서 크기 조절