Ի՞նչ է depthwise separable convolution-ը և որտեղ է այն կիրառվում (MobileNet):

Անկախ խորքային կոնվոլյուցիան՝ դա տեսակի կոնվոլյուցիա է, որը բաժանում է սովորական կոնվոլյուցիան երկու առանձին գործողությունների.

1. Խորքային կոնվոլյուցիա — կիրառվում է առանձին ֆիլտր յուրաքանչյուր մուտքային ալիքի (խորության) վրա:
2. Նշանային կոնվոլյուցիա — կոնվոլյուցիա 1x1 միջուկով, որը միավորում է խորքային շերտի արդյունքները և ստեղծում նոր հատկանիշներ:

Այս մոտեցումը զգալիորեն նվազեցնում է պարամետրերի քանակը և հաշվարկային բարդությունը՝ համեմատած սովորական կոնվոլյուցիայի, միաժամանակ պահպանելով մոդելի որակը:

MobileNet-ում, խորքային բաժանված կոնվոլյուցիան օգտագործվում է թեթև և արդյունավետ մոդելներ կառուցելու համար, որոնք հարմար են շարժական և ինտեգրված սարքերի համար՝ սահմանափակ ռեսուրսներով:

Օրինակ՝ եթե սովորական կոնվոլյուցիան 3x3 միջուկով և N մուտքային և M ելքային ալիքներով պահանջում է 33NM պարամետր, ապա խորքային բաժանված կոնվոլյուցիան պահանջում է 33N (խորություն) + 11NM (նշան), ինչը զգալիորեն քիչ է։