# MixNet系列 ## 概述 MixNet是谷歌出的一篇关于轻量级网络的文章，主要工作就在于探索不同大小的卷积核的组合。作者发现目前网络有以下两个问题： - 小的卷积核感受野小，参数少，但是准确率不高 - 大的卷积核感受野大，准确率相对略高，但是参数也相对增加了很多 为了解决上面两个问题，文中提出一种新的混合深度分离卷积(MDConv)(mixed depthwise convolution)，将不同的核大小混合在一个卷积运算中，并且基于AutoML的搜索空间，提出了一系列的网络叫做MixNets，在ImageNet上取得了较好的效果。[论文地址](https://arxiv.org/pdf/1907.09595.pdf) ## 精度、FLOPS和参数量 | Models | Top1 | Top5 | Reference<br>top1| FLOPS<br>(M) | Params<br/>(M) | |:--:|:--:|:--:|:--:|:--:|----| | MixNet_S | 76.28 | 92.99 | 75.8 | 252.977 | 4.167 | | MixNet_M | 77.67 | 93.64 | 77.0 | 357.119 | 5.065 | | MixNet_L | 78.60 | 94.37 | 78.9 | 579.017 | 7.384 | 关于Inference speed等信息，敬请期待。
