深度可分离卷积
一种将标准卷积分解为深度卷积和逐点卷积两步操作的卷积变体，可大幅减少计算量和参数量，是MobileNet等轻量级网络的核心设计
时间轴 (近 90 天)
MobileNetV2 的核心结构包括深度可分离卷积（depthwise separable convolution）和倒残差结构（inverted residual block）。
深度可分离卷积将标准卷积拆分为逐通道的 depthwise 卷积和 1×1 的 pointwise 卷积，其计算量相比标准卷积可降至约 1/8 到 1/9。
深度可分离卷积（Depthwise Separable Convolution）是 MobileNet 系列提出的核心构件，它把标准卷积拆成 depthwise 和 pointwise 两步，在 3×3 卷积下通常能降到原来计算量的八分之一到九分之一。
深度可分离卷积将标准卷积分解为深度卷积和逐点卷积两步，可将计算量和参数量减少约8至9倍，代价是通道间信息交互被延后，表达能力略有损失。
帧解码器使用4级双线性上采样配合深度可分离卷积，将64维潜向量解码为384×512灰度图像
深度可分离卷积将标准卷积参数量从K×K×C_in×C_out减少到K×K×C_in + C_in×C_out，通常可减少8-9倍
全部知识事实 (6)
MobileNetV2 的核心结构包括深度可分离卷积（depthwise separable convolution）和倒残差结构（inverted residual block）。
50%待验证深度可分离卷积将标准卷积拆分为逐通道的 depthwise 卷积和 1×1 的 pointwise 卷积，其计算量相比标准卷积可降至约 1/8 到 1/9。
50%待验证深度可分离卷积（Depthwise Separable Convolution）是 MobileNet 系列提出的核心构件，它把标准卷积拆成 depthwise 和 pointwise 两步，在 3×3 卷积下通常能降到原来计算量的八分之一到九分之一。
50%待验证深度可分离卷积将标准卷积分解为深度卷积和逐点卷积两步，可将计算量和参数量减少约8至9倍，代价是通道间信息交互被延后，表达能力略有损失。
50%待验证帧解码器使用4级双线性上采样配合深度可分离卷积，将64维潜向量解码为384×512灰度图像
50%待验证深度可分离卷积将标准卷积参数量从K×K×C_in×C_out减少到K×K×C_in + C_in×C_out，通常可减少8-9倍
50%