SSD和SSD Lite有什么区别？？（Tensorflow）答案

【问题标题】：What is the different between SSD and SSD Lite ??(Tensorflow)SSD和SSD Lite有什么区别？？（Tensorflow）
【发布时间】：2018-06-04 06:24:08
【问题描述】：

我已阅读论文 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，关于SSD Lite只有以下一句话的简短解释：

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

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。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

这很令人沮丧，因为所有对 SSDLite 的搜索都会导致“我们称之为 SSDLite 的新框架”，所以我期待着一件事。但是，我怀疑 SSDLite 只是通过对普通 SSD 模型文件的一次修改（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 会产生以下结果：

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

我得试试看。

【讨论】：

谢谢。我还比较了两个 ssd.config 文件，但大多数情况与原始 SSD 和 SSD Lite 相同。
我认为深度可分离卷积已经在 SSD MobileNetV1 上实现。对吗？

【解决方案2】：

正如已经指出的答案之一，配置的主要区别在于 box_predictor 和 feature_extractor 的两个 use_depthwise 选项。基本的更改已经在代码库中实现，它基本上将 SSD 层中的所有常规卷积和最后一个框+类预测层替换为深度 + 点可分离卷积。我们的 MobilenetV2 论文中描述了理论参数和 flops 节省。

同样为了回答@Seongkyun Han的问题，我们在v1论文中没有替换SSD层中的所有conv（只有属于mobilenet的所有层都是separable conv）。

【讨论】：