mobilenetv3 bneck

MobileNetV3（Mobile Network Version 3）是Google在2019年发布的一系列轻量级深度学习模型，旨在提高移动设备上的计算效率和模型性能。Bottleneck，通常指的是MobileNetV3中的瓶颈结构（Bottleneck block），这是MobileNetV3的核心组成部分，它借鉴了ResNet中的 bottleneck设计，但进行了优化以适应更小的计算资源。

MobileNetV3-Bottleneck结构主要包括三个部分：
1. **扩张卷积（Depthwise Convolution）**：首先执行一个深度可分离卷积，即对输入的每个通道进行卷积操作，这样可以大大减少参数数量和计算复杂度，同时保持一定的特征提取能力。
2. **线性膨胀（Linear Expansion）**：接着是一个标准的1x1点卷积，也称为扩张卷积，增加通道数（有时称为“扩张因子”），用于扩大网络的感受野，有助于学习更丰富的特征表示。
3. **残差连接（Residual Connection）**：最后，使用另一个1x1点卷积或跳过一个或多个层的直接连接，这有助于信息在网络中流动，提高了模型的训练效率和性能。

MobileNetV3-Bneck的一个关键创新是使用Squeeze-and-Excitation (SE) 模块，它可以在扩张卷积之前对特征图进行通道自适应，进一步提升特征的表达能力。此外，模型还引入了“复合缩放”（Inverted Residuals with Linear Bottlenecks，IR-Block）结构，使得模型的深度和宽度能够更加灵活地调整。