MobileNet是一系列为图像分类、目标检测及其他计算机视觉任务而开发的卷积神经网络（CNN）架构。这些模型旨在实现小尺寸、低延迟和低功耗，适用于资源受限设备（如手机和嵌入式系统）上的设备端推理和边缘计算。最初，它们被设计为使用TensorFlow Lite（一种用于机器学习模型的轻量级运行时）在移动设备上高效运行。
移动设备对高效深度学习模型的需求促使Google的研究人员开发了MobileNet。截至2025年6月，该系列包含五个主要版本，每个版本都在前代基础上改进性能和效率，同时保持对受限环境的适用性。
架构原理
MobileNet架构通过多种关键技术专注于降低计算成本。核心创新在于使用深度可分离卷积，它将标准卷积分解为两个独立操作：深度卷积（独立过滤每个输入通道）和逐点卷积（1×1卷积，用于组合输出）。这种分解显著减少了参数数量和浮点运算次数，相比标准卷积，能够在处理能力有限的设备上实现高效推理。
另一个重要策略是引入控制模型大小和计算负载的超参数。宽度乘数（记为α）调整每层中的通道数；较小的α值会产生更小、更快的模型，但会牺牲准确性。分辨率乘数（ρ）调整输入图像分辨率，较低的分辨率会加快处理速度，但可能降低精度。
该架构还结合了批量归一化和数据增强等技术，以提高训练稳定性和泛化能力。这些设计选择使MobileNet成为移动和嵌入式环境中实时应用的流行选择。
MobileNetV1
MobileNetV1于2017年4月发布。其主要架构创新是引入了深度可分离卷积，这一概念最初由Laurent Sifre于2013年在Google Brain实习期间提出，作为AlexNet的一种变体，旨在提高收敛速度并减小模型大小。深度可分离卷积将每个标准卷积分解为深度滤波器（按通道操作）和逐点组合（1×1卷积，用于合并深度层的输出）。
MobileNetV1的默认设置包括宽度乘数为1.0，分辨率乘数为224x224。然而，通过调整这些乘数，开发人员可以在外形因素和准确性之间取得平衡。该架构还在每次卷积后使用ReLU激活函数，并应用批量归一化以加速训练。
MobileNetV2
MobileNetV2于2019年3月发布，引入了两个重要改进：倒残差层和线性瓶颈。倒残差翻转了传统残差块的结构，首先扩展输入通道，然后执行深度卷积，最后投影回较少的通道数。这种扩展使得深度卷积能够在更高维空间中操作，保留更多信息流。
线性瓶颈从投影层中移除ReLU激活函数，基于非线性在低维空间中会导致信息丢失的直觉。通过保持这些层为线性，模型即使在通道数较少时也能保留更多表达能力。这些改进带来了比V1更高的准确性和更低的延迟，使V2成为移动视觉任务的常见选择。
MobileNetV3和V4
MobileNetV3于2019年发布，引入了三个变体：MobileNetV3-Large、MobileNetV3-Small和MobileNetEdgeTPU，后者针对Pixel 4智能手机进行了优化。这些模型通过直接测量移动延迟的神经架构搜索（NAS）发现，实现了准确性和推理速度之间的理想权衡。V3还包括swish和sigmoid激活函数的分段线性近似（h-swish和h-sigmoid）、挤压-激励模块，并继承了V2的倒瓶颈结构。
MobileNetV4于2024年9月发布，通过NAS扩展了该系列，包含众多架构。V4引入了受视觉Transformer启发的多查询注意力机制，并提出了一种新的后混合块，称为通用倒瓶颈，统一了早期版本中的倒残差和倒瓶颈概念。
MobileNetV5与未来方向
MobileNetV5的架构在2025年6月Gemma 3n（一种语言模型）发布后不久被宣布。尽管公告提到技术报告将很快发布，但截至2025年10月，尚未提供此类报告。据报道，V5网络比最大的V4变体大约大十倍，这表明其向更高容量模型转变，同时保持移动部署的可实现效率。
在其发展过程中，MobileNet影响了许多架构，并仍然是嵌入式视觉系统的基石，使得自动驾驶、机器人和移动摄影等领域的实际应用成为可能。