python - SSD 和 SSD Lite 有什么区别？？(Tensorflow)

Question

我已经阅读了论文 MobileNetV2(arXiv:1801.04381​​)

并从 Tensorflow model zoo 运行模型.

我注意到 SSD Lite MobileNetV2 的推理时间比 SSD MobileNetV2 快。

在 MobileNetV2 论文中，只有以下句子中对 SSD Lite 进行了简短的解释:

'我们将所有常规卷积替换为可分离卷积(depthwise其次是 1 × 1 投影)在 SSD 预测层中。

所以我的问题是，SSD 和 SSD Lite 有什么区别？

我不明白其中的区别，因为当 MobileNetV1(arXiv:1704.04861v1) 发布并应用于 SSD 时，它已经将所有卷积层替换为上面提到的深度可分离卷积。

Answer 1

令人沮丧的是，所有对 SSDLite 的搜索都会导致“我们称之为 SSDLite 的新颖框架”，所以我期待着一件事。但是，我怀疑 SSDLite 只是通过对通用 SSD 模型文件进行一次修改 (kernel_size) 和两次添加 (use_depthwise) 来实现的。

比较模型文件 ssd_mobilenet_v1_coco.config 和 sdlite_mobilenet_v2_coco.config 生成以下内容:

model {
  ssd {
    box_predictor {
      convolutional_box_predictor {
        kernel_size: 3
        use_depthwise: true
      }
    }
    feature_extractor {
      use_depthwise: true
    }
  }
}

我一定要试试。