深度可分离卷积的起源

深度可分离卷积是由Google的研究人员于2017年提出的，其主要目的是减少卷积层中参数的数量，从而减少计算量和模型大小。它是由深度卷积和逐点卷积两个步骤组成。深度可分离卷积先使用深度卷积对输入数据进行空间卷积，然后使用逐点卷积对通道进行卷积，以此来降低模型参数的数量。

深度可分离卷积的概念源于对人类视觉系统的研究。在人类视觉系统中，视网膜通过不同类型的细胞来处理不同类型的信息，从而有效地减少了神经元的数量。类似地，深度可分离卷积通过使用不同的卷积操作来处理不同类型的信息，并且在通道之间共享参数，从而减少了模型参数的数量。