MobileNet_Block

MobileNet Block是Google在2017年提出的MobileNet v2模型中的关键构建模块，这是一种轻量级深度学习网络结构，特别适用于移动设备和嵌入式系统，因为它能够显著减少计算资源需求的同时保持较高的准确率。

MobileNet Block的核心思想是基于深度可分离卷积（Depthwise Separable Convolution），它由两个部分组成：
1. **深度卷积（Depthwise Convolution）**：这个部分只执行空间滤波（每个输入通道用一个滤波器），不涉及跨通道的信息混合，因此参数数量大大降低。
2. **点卷积（Pointwise Convolution）**：接着是一个1x1的常规卷积，用于压缩深度并增加通道数，使特征图具有更多维度。

这种设计有效地减少了计算负担，并通过瓶颈结构（如扩张路径或残差连接）来提升性能。每个MobileNet Block通常包含一系列这样的操作，可能还会包括BN层（批归一化）和ReLU激活，以及跳过连接，使得信息在网络中更容易流动。