- سنة الظهور
- 2017
- الباحثون
- Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun Wang, Tobias Weyand, Marco Andreetto, Hartwig Adam
- الجهة
- نوع المعمارية
- Efficient convolutional network (depthwise separable)
- آلية التعلم
- supervised
- المهام
- تصنيف الصور، الرؤية على الأجهزة المحمولة
شبكة التفافية خفيفة للأجهزة المحمولة تستبدل الالتفاف العادي بالتفاف منفصل عمقياً (عمقي ثم نقطي) يقلل الحساب بنحو 8–9 مرات.
مخطط المعمارية
التكوين المعروض: MobileNet v1 (α = 1.0، دقة 224) — التفاف عادي ثم 13 كتلة التفاف منفصل عمقياً ثم تجميع شامل وطبقة خطية.
جدول الطبقات (11 عقدة)
| الطبقة | النوع | المدخل | المخرج | التكرار | Parameters | الصيغة | MACs |
|---|---|---|---|---|---|---|---|
| المدخل | input | 3 × 224 × 224 | 1 | 0 | — | ||
| conv 3×3/2 (32) + BN + ReLU | conv | 3 × 224 × 224 | 32 × 112 × 112 | 1 | 928 | من تنفيذ PyTorch المرجعي | 10,838,016 |
| dw 3×3 (32) + BN + ReLU | dwconv | 32 × 112 × 112 | 32 × 112 × 112 | 1 | 352 | من تنفيذ PyTorch المرجعي | 3,612,672 |
| pw 1×1 (64) + BN + ReLU | pwconv | 32 × 112 × 112 | 64 × 112 × 112 | 1 | 2,176 | من تنفيذ PyTorch المرجعي | 25,690,112 |
| كتلتان dw/pw ← 128 (الأولى بخطوة 2) | block | 64 × 112 × 112 | 128 × 56 × 56 | 1 | 27,200 | من تنفيذ PyTorch المرجعي | 82,489,344 |
| كتلتان dw/pw ← 256 (الأولى بخطوة 2) | block | 128 × 56 × 56 | 256 × 28 × 28 | 1 | 103,552 | من تنفيذ PyTorch المرجعي | 79,779,840 |
| كتلة بخطوة 2 ← 512 ثم 5 كتل 512 | block | 256 × 28 × 28 | 512 × 14 × 14 | 1 | 1,478,912 | من تنفيذ PyTorch المرجعي | 287,558,656 |
| كتلتان dw/pw ← 1024 | block | 512 × 14 × 14 | 1024 × 7 × 7 | 1 | 1,593,856 | من تنفيذ PyTorch المرجعي | 77,747,712 |
| تجميع متوسط 7×7 | gap | 1024 × 7 × 7 | 1024 × 1 × 1 | 1 | 0 | من تنفيذ PyTorch المرجعي | 0 |
| FC-1000 | fc | 1024 | 1000 | 1 | 1,025,000 | من تنفيذ PyTorch المرجعي | 1,024,000 |
| Softmax ← 1000 فئة | output | 1000 | 1000 | 1 | 0 | — |
أرقام التكوين: MobileNet v1 (α = 1.0، دقة 224)
- شكل المدخل
- 3×224×224
- شكل المخرج
- 1000
- العمق
- 28 طبقة (عدّ الالتفاف العمقي والنقطي طبقتين)
- التعقيد
- نحو 0.57 مليار عملية ضرب-جمع.
- ملاحظة Parameters
- الجدول 8 في الورقة: 4.2 مليون معامل و 569 مليون Mult-Adds.
- ملاحظة MACs
- محسوبة بـ torch.utils.flop_counter (تطابق 569M المذكورة في الورقة تقريباً).
MAC = عملية ضرب يتبعها جمع. الأرقام لتمرير أمامي واحد لعينة واحدة بالأبعاد المذكورة، وهي حساب تحليلي وليست قياساً لزمن تشغيل.
الشرح العلمي
الخلفية التاريخية
نشرتها Google عام 2017 على arXiv، وتبعتها MobileNetV2 (2018) و V3 (2019).
المشكلة التي يعالجها
تشغيل نماذج رؤية دقيقة على الهواتف والأجهزة المدمجة بميزانية حساب وذاكرة محدودة.
الفكرة الأساسية
فصل الترشيح المكاني (التفاف عمقي 3×3 لكل قناة) عن مزج القنوات (التفاف 1×1)، مع مضاعفين للعرض α والدقة ρ للتحكم في الحجم.
وصف المعمارية
التفاف 3×3/2 عادي ثم 13 كتلة منفصلة عمقياً (dw 3×3 + BN + ReLU ثم pw 1×1 + BN + ReLU) مع تقليل الأبعاد بالخطوة 2، ثم تجميع متوسط وطبقة خطية.
تدفق البيانات
224×224×3 ← 112×112×32 ← 112×112×64 ← 56×56×128 ← 28×28×256 ← 14×14×512 ← 7×7×1024 ← 1024 ← 1000.
المدخلات
صورة RGB بحجم 224×224 (أو 192، 160، 128).
المخرجات
توزيع احتمالي على 1000 فئة.
آلية التدريب
RMSprop مع تدريب غير متزامن، وتضاؤل أوزان قليل أو معدوم على المرشحات العمقية، وزيادة بيانات أخف من الشبكات الكبيرة.
دوال الخسارة
الإنتروبيا المتقاطعة متعددة الفئات.
التعقيد الحسابي
نحو 0.57 مليار عملية ضرب-جمع لـ 1.0-224.
المتطلبات الحسابية
مصممة للهواتف؛ استدلال في أجزاء من الثانية على المعالج.
المزايا
- حساب أقل بنحو 8–9 مرات من الالتفاف العادي
- معاملات قليلة (4.2 مليون)
- قابلة للتحجيم بـ α و ρ
القيود
- دقة أقل قليلاً من الشبكات الكبيرة
- الالتفاف العمقي لا يستغل GPU بكفاءة
- حساسية للتكميم في النسخة الأولى
المعادلات
كلفة الالتفاف العمقي Depthwise convolution cost
\text{MACs}_{dw} = D_K \cdot D_K \cdot M \cdot D_F \cdot D_Fمرشح واحد لكل قناة دخل.
الرموز: D_K: النواة، M: القنوات، D_F: أبعاد خريطة المخرج
كلفة الالتفاف النقطي Pointwise convolution cost
\text{MACs}_{pw} = M \cdot N \cdot D_F \cdot D_Fالتفاف 1×1 يمزج M قناة إلى N.
الرموز: N: قنوات المخرج
نسبة التوفير Reduction ratio
\frac{D_K^2 M D_F^2 + M N D_F^2}{D_K^2 M N D_F^2} = \frac{1}{N} + \frac{1}{D_K^2}مع نواة 3×3 يكون التوفير بين 8 و 9 مرات.
التطبيقات
النماذج المرتبطة
- لاحق له EfficientNet — EfficientNet تبني على كتل MBConv من MobileNetV2. قارن
- GoogLeNet — تقليل الحساب بالتفاف 1×1. قارن
المراجع
- الورقة الأصلية Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun Wang, Tobias Weyand, Marco Andreetto, Hartwig Adam. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint. arXiv:1704.04861 موثّق
الإصدار 1 — آخر تحديث 2026-11-15.
