SSD和SSD Lite有什么不同？（Tensorflow）

Question

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，以下句子中只有关于SSD Lite的简短说明：

'我们用可分离的卷积（深度方向）替换所有常规卷积 然后在SSD预测层中进行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卷积。

Answer 1

正如已经指出的答案之一，配置中的主要区别是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box + class预测层替换为深度+点向可分离卷积。我们的MobilenetV2论文中介绍了理论参数和触发器保存。

也要回答@Seongkyun Han的问题，我们没有在v1论文中替换SSD层中的所有conv（只有属于mobilenet的所有层都是可分离的conv）。

Answer 2

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”，因此我期待有一个结果。但是，我怀疑SSDLite只能通过对通用SSD模型文件进行一次修改（kernel_size）和两次添加（use_depthwise）来实现。

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
    }
  }
}

我必须尝试一下。