MobileNet 편집하기 (부분)

==아키텍처==
MobileNet의 핵심 개념은 깊이별 분리 컨볼루션이다.
===깊이별 분리 컨볼루션(Depthwise Separable Convolution)===
*일반 컨볼루션은 입력 전체에 대해 동시에 공간 필터링을 수행한다.
*깊이별 분리 컨볼루션은 두 단계로 분리된다.
*#Depthwise convolution: 각 입력 채널마다 독립적으로 3×3 필터링 수행
*#Pointwise convolution: 각 채널을 1×1 컨볼루션으로 결합하여 출력 생성
이 구조는 계산량을 기존 대비 약 8~9배 줄이면서도 정확도를 유지할 수 있도록 한다.
===주요 버전별 구조===
*MobileNetV1:
**모든 컨볼루션을 깊이별 분리 컨볼루션으로 대체.
**폭 조절(α)과 해상도 조절(ρ) 하이퍼파라미터를 통해 모델 크기 조정 가능.
**단순하면서도 효율적인 구조로, 다양한 모바일 응용에 사용됨.

*MobileNetV2:
**Inverted Residual Block(역잔차 블록) 구조 도입.
**채널 확장 → depthwise convolution → 투영(projection) 과정을 거침.
**ReLU6 활성화 함수와 선형 병목(linear bottleneck)으로 정보 손실을 최소화.

*MobileNetV3:
**NAS(Neural Architecture Search) 기반으로 설계됨.
**h-swish 활성화 함수와 SE(Squeeze-and-Excitation) 모듈을 포함.
**모바일 디바이스의 지연(latency)을 고려한 최적화 구조를 가짐.
===MobileNetV1 구조 예시===
*입력: 224×224×3 RGB 이미지
*Conv1: 3×3 컨볼루션, 스트라이드 2
*Depthwise Conv (3×3) + Pointwise Conv (1×1) 반복 블록
*Global Average Pooling
*Fully Connected (Softmax 출력)