EfficientNet
EfficientNet er en familie af konvolutionelle neurale netværksarkitekturer introduceret af Mingxing Tan og Quoc V. Le (Google Brain) på ICML 2019, som systematisk skalerer netværksdybde, bredde og inputopløsning ved hjælp af en enkelt sammensat koefficient, hvilket opnår state-of-the-art nøjagtighed inden for billedklassifikation med væsentligt færre parametre og FLOPs end tidligere netværk som ResNet og Inception.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Tan, M. & Le, Q. V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. Proceedings of the 36th International Conference on Machine Learning (ICML 2019), PMLR 97, 6105–6114. link ↗
- Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3
Sådan citerer du denne side
ScholarGate. (2026, June 3). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ScholarGate. https://scholargate.app/da/deep-learning/efficientnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- MobileNet: Effektive konvolutionelle neurale netværk til mobilt synDyb læring↔ compare
- Neural Architecture SearchDyb læring↔ compare
- ResNet (Residual Network)Dyb læring↔ compare
- OverførselslæringMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →