本文共 452 字，大约阅读时间需要 1 分钟。
Xception 是 Google 在 Inception 的基础上对 Inception-v3 的进一步改进，旨在优化卷积操作的处理方式。作者提出，通道之间的相关性与空间相关性最好分开处理，因此选择采用 Separable Convolution（深度可分离卷积）来替代传统的卷积操作。
在 Xception 中，核心技术是 Depthwise Separable Convolution（深度可分离卷积）。这种技术将传统的卷积操作分解为两个独立步骤：
Depthwise卷积操作：首先，对输入的每个通道单独执行 3×3 卷积操作，生成多个结果并进行拼接。
Pointwise卷积操作：然后，对 Depthwise卷积的结果进行 1×1 卷积操作，将多个通道的信息整合到一起，最终生成输出。
通过将原始的 3×3 卷积分解为这两个独立步骤，Xception在量化效率和模型表达能力上都有了显著的提升。这一改进不仅简化了网络结构，还提高了卷积反卷积的效果，使得网络更容易训练并在图像任务中取得更好的性能。
转载地址：http://doqnz.baihongyu.com/