在一些轻量级网络中经常用到此结构，如MobileNet****、ShuffleNet、SqueezeNet等Xception**，** 基 于Inception系列网络结构的基础上，结合depthwise separable convolution, 就是Xception

Xception是一种基于深度分离卷积（Depthwise Separable Convolution）的架构，它起源于Google的Inception系列网络，特别适合在资源有限的设备上，如移动设备上运行，因为它显著减少了模型的计算复杂度和参数量。在Xception网络中，传统的卷积层被拆分为两个步骤：首先进行深度卷积（每个输入通道独立处理），然后再做点-wise卷积（所有通道共享权重）。这种设计不仅保留了原始Inception模块的优点，如特征融合，还通过减少计算实现了高效。

MobileNet、ShuffleNet和SqueezeNet等轻量级网络也是利用类似思路，它们通过优化和简化卷积操作来提高效率，使得模型可以在保持较好性能的同时，对内存和算力的需求更低。这些网络常用于实时图像分类、目标检测等场景。