EfficientNet
EfficientNet ist eine Familie von Convolutional Neural Network-Architekturen, die 2019 von Mingxing Tan und Quoc V. Le (Google Brain) auf der ICML vorgestellt wurde. Sie skaliert systematisch die Netzwerktiefe, -breite und die Eingabeauflösung mithilfe eines einzigen zusammengesetzten Koeffizienten, wodurch eine hochmoderne Bildklassifizierungsgenauigkeit mit wesentlich weniger Parametern und FLOPs als frühere Netzwerke wie ResNet und Inception erzielt wird.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ScholarGate. https://scholargate.app/de/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.
- MobileNetDeep Learning↔ compare
- Neuronale ArchitektursucheDeep Learning↔ compare
- ResNet (Residual Network)Deep Learning↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →