MobileNet V1是一种轻量级的卷积神经网络旨在在移动设备和嵌入式设备上进行实时图像分类和目标检测。

MobileNet V1的设计基于两个核心思想：深度可分离卷积和宽度可调节。深度可分离卷积是一种分离卷积操作，将标准卷积分为深度卷积和逐点卷积两个步骤，从而有效减少了计算成本。宽度可调节则是指可以通过增加或减少通道数来调整网络的宽度，从而可以在减少计算成本的同时保持网络性能。

MobileNet V1在ImageNet数据集上的表现接近于VGG16模型，但计算成本只有VGG16的1/32。这使得它成为在资源受限的设备上进行实时图像分类和目标检测的优秀选择。同时，MobileNet V1的设计思想也为后续的轻量级模型设计提供了重要的参考。