რა განსხვავებაა MobileNet v2 და v1 (invert residuals) შორის?

MobileNet v2, v1-დან ძირითადად განსხვავდება "invert residuals" და "linear bottlenecks" კონცეფციების შემოღებით.

MobileNet v1-ში გამოიყენებოდა ჩვეულებრივი დარჩენილი კავშირები და ღრმა განცალკევებული კონვოლუციები, რაც უკვე ამცირებდა გამოთვლითი სირთულეს. MobileNet v2-ის არქიტექტურა ასეა შექმნილი:

• მთავარი ბლოკი არის "invert residual" ბლოკი: პირველ რიგში, 1x1 კონვოლუციით (pointwise convolution) ფართოვდება არხების რაოდენობა, შემდეგ ღრმა კონვოლუცია და ბოლოს ისევ მცირდება მცირე რაოდენობის არხებზე.
• დარჩენილი კავშირები არ გამოიყენება გაფართოებულ თვისებათა სივრცეზე, არამედ შეკუმშულ (სქელ) სივრცეზე, რაც ამცირებს პარამეტრების რაოდენობას და ზრდის ეფექტურობას.
• გამოიყენება გრაფიკული ნელი (linear bottleneck) (ბლოკის ბოლო ფენა არ აქვს ReLU აქტივაცია), რათა თავიდან აიცილოს ინფორმაციის დაკარგვა თვისებების შეკუმშვის დროს.

ეს საშუალებას აძლევს MobileNet v2-ს იყოს უფრო ეფექტიანი და ზუსტი იგივე ან ნაკლები გამოთვლითი რესურსებით შედარებით v1-სთან.

საშუალო სტრუქტურის მაგალითი:

# პსევდოკოდი
შესვლა -> 1x1 კონვოლუცია (გაფართოება, ReLU6) -> ღრმა კონვოლუცია (ReLU6) -> 1x1 კონვოლუცია (პროექცია, გრაფიკული) -> დარჩენილი დამატება (თუ ზომები ემთხვევა)