# 基于paddlepaddle实现MobileNets_v3复现

**Repository Path**: buptybx/MobileNets_v3

## Basic Information

- **Project Name**: 基于paddlepaddle实现MobileNets_v3复现
- **Description**: 基于paddlepaddle实现MobileNets_v3复现
- **Primary Language**: Python
- **License**: AGPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2021-12-02
- **Last Updated**: 2021-12-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 一、介绍
Mobilenet_v3与Mobile_v2的不同点如下：
>对原本的Inverted_residual_block添加了Squeeze-and-Excite结构来提高精度，Inverted_residual_block+Squeeze-and-Excite结构，如图一。

>添加h-swish激活函数，提高了准确率，而h-swish和h-sigmoid相比于swish和sigmoid减少了计算量，比较如图二，h-swish计算公式如下：
h-swish[x] = x.$\frac{ReLU6(x+3)}{6}$

>引入了Efficient Last Stage，可以在不损失计算精度的基础上减小计算量，结构如图三。

![](https://img-blog.csdnimg.cn/img_convert/a2e1b0618de160008f9f6b77ffc4396c.png)
图一

![](https://img-blog.csdnimg.cn/img_convert/66212bbf6fd9ed82968d4bef266a1038.png)
图二

![](https://img-blog.csdnimg.cn/img_convert/56ee23449296ec674b221292eb1aac4c.png)
图三
# 二、整体网络架构
Large网络架构如图
![](https://img-blog.csdnimg.cn/img_convert/5a36e21baee4e61401c05d4e05fb6d0f.png)

Small网络架构如图
![](https://img-blog.csdnimg.cn/img_convert/5df769b5b55594506dedcc110f14c334.png)

其中，input为进入网络的特征矩阵的大小，Operator含有kernel_size的大小信息。exp_size为在BottleNet模块中增加后的通道数，out为输出通道数，SE为是否有Squeeze-and-Excite结构，NL为激活函数种类，RE为ReLU6，HS为h-swish，s为stride，NBN表示无BatchNorm结构。