SSD和SSD Lite有什么不同？？（张力流）

Question

我读过MobileNetV2（arXiv:1801.04381）

从Tensorflow model zoo运行模型。

我注意到SSD Lite MobileNetV2的推断时间比SSD MobileNetV2快。

在MobileNetV2的论文中，以下句子仅对SSD Lite作了简短的解释：

'我们用可分离卷积（depthwise）替换所有正则卷积 然后是1×1投影）。

所以我的问题是，SSD和SSD Lite有什么区别？

我不明白这个区别，因为当MobileNetV1（arXiv:1704.04861v1）发布并应用于SSD时，它已经取代了所有的卷积层，使上面提到的可分离卷积分离。

Answer 1

这是令人沮丧的，因为所有搜索SSDLite的结果都是“一个新的框架，我们称之为SSDLite”，所以我期待着一件事。但是，我怀疑SSDLite只是通过对通用SSD模型文件进行一次修改（内核大小）和两次添加（使用深度）来实现的。

比较模型文件ssd mobilenet_v1_coco.config和sdlite_mobilenet_v2_coco.config会产生以下结果：

model {
  ssd {
    box_predictor {
      convolutional_box_predictor {
        kernel_size: 3
        use_depthwise: true
      }
    }
    feature_extractor {
      use_depthwise: true
    }
  }
}

我得试试看。

Answer 2

正如已经指出的答案之一，配置中的主要差异是box_predictor和feature_extractor的两个use_depthwise选项。底层的改变已经在基本上取代SSD层和最后一个box+类预测层中的所有规则卷积的codebase中实现，以使+点分离卷积分离。本文介绍了MobilenetV2的理论参数和节省的触发器。

为了回答@Seongkyun Han的问题，我们没有在v1文件中替换SSD层中的所有conv（只有属于mobilenet的所有层都是可分离的conv）。