MobileNetV2论文Fig.3(b)是否有误？与Table1及PyTorch实现矛盾

可以明确认为Fig.3(b)存在绘制疏漏，正确的模块定义应当以Table1为准，这也是PyTorch官方实现遵循的逻辑，理由如下：

• 核心模块设计逻辑：MobileNet V2提出的inverted residual with linear bottleneck，其“linear bottleneck”的核心目的是用线性层（无ReLU）保留低维瓶颈特征的信息——因为ReLU6会对低维特征造成不可逆的信息压缩，完全违背线性瓶颈的设计初衷。
• Table1的数学定义：明确标注输出瓶颈是不带ReLU6的1×1卷积，直接连接到shortcut分支，符合线性瓶颈的设计逻辑。
• Fig.3(b)的矛盾：图中错误地在输出瓶颈的1×1卷积后添加了ReLU6，这会破坏低维特征的完整性，和模块设计理念冲突。即使MobileNet V3的Fig.3沿用了这一图示，也属于疏漏，实际实现不会这么做。
• 官方实现佐证：PyTorch的MobileNetV2实现严格遵循Table1的定义，输出瓶颈的1×1卷积后没有ReLU6，进一步验证了Fig.3(b)的绘制错误。

内容的提问来源于stack exchange，提问作者Palguna Gopireddy