深度可分离卷积

深度可分离卷积（Depthwise Separable Convolution）

深度可分离卷积 = 深度卷积（逐通道卷积） + 逐点卷积（1×1卷积）
它将标准卷积拆分为两步：

1. 深度卷积（Depthwise Convolution）：对每个输入通道单独进行卷积，不跨通道。
2. 逐点卷积（Pointwise Convolution）：用 1×1 卷积跨通道组合信息，改变通道数。

• 深度卷积：像给每个通道“单独拍照”，不混合信息。

• 逐点卷积：像用 1×1 的“小镜头”把所有通道的照片叠加成新照片，可以控制输出通道数。

优点	缺点
极大减少计算量和参数量	表达能力略弱于标准卷积
适合移动端、嵌入式设备	在某些任务上精度略有下降
可与其他结构（如残差）结合使用	对通道间复杂建模能力有限

类型	计算量（FLOPs）	参数量（Params）
标准卷积	$H \cdot W \cdot C_{\text{in}} \cdot C_{\text{out}} \cdot K^2$	$C_{\text{in}} \cdot C_{\text{out}} \cdot K^2$
深度可分离卷积	$H \cdot W \cdot C_{\text{in}} \cdot (K^2 + C_{\text{out}})$	$C_{\text{in}} \cdot (K^2 + C_{\text{out}})$