mobilenet系列

Mobilenet系列是由Google开发的一系列轻量级深度学习模型，旨在提供高效的计算效率和卓越的模型大小-性能平衡，特别适合在移动设备、嵌入式系统等资源受限的环境中运行。它们的核心思想是通过网络结构的优化和使用深度可分离卷积（Depthwise Separable Convolution），减少了计算量和参数数量，但保持了较高的准确率。

1. MobileNet V1 (2017): 这是Mobilenet系列的第一个版本，引入了深度可分离卷积，将传统的卷积分为深度卷积和逐元素卷积两部分，大大减小了模型复杂度。

2. MobileNet V2 (2018): V2版进一步优化了模型结构，引入了“ inverted residual blocks”（倒置残差块）和“宽度多尺度搜索”（width multiplier），使得模型在更小的计算开销下有更高的性能。

3. MobileNetV3 (2019): 分为MobileNetV3 Small和MobileNetV3 Large两个模型，V3在模型效率和精度上进行了更深层次的改进，同时采用了更先进的结构搜索方法。

4. MobileNetV3 + NASNet (2020): 这个版本结合了MobileNetV3的高效结构和NASNet（神经架构搜索）的优点，进一步提升了性能。

5. MobileNetV3 with EfficientNet Blocks (2020): 这个版本融合了EfficientNet的瓶颈结构，提供了更好的性能提升。