MobileNet: Effiziente Convolutional Neural Networks für Computer Vision auf Mobilgeräten
MobileNet ist eine Familie von leichten Convolutional Neural Network (CNN)-Architekturen, die 2017 von Howard et al. bei Google eingeführt wurde. Sie wurde entwickelt, um Bildklassifizierung, Objekterkennung und andere Computer-Vision-Aufgaben direkt auf mobilen Geräten und eingebetteten Systemen mit begrenzten Rechenressourcen auszuführen. Durch den Ersatz von Standard-Faltungen durch tiefenweise separable Faltungen und die Einführung von zwei globalen Hyperparametern reduziert MobileNet die Anzahl der Multiplikations-Additions-Operationen und die Modellgröße drastisch, während eine wettbewerbsfähige Genauigkeit beibehalten 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
- Howard, A. G., et al. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). MobileNet (Efficient Mobile CNN). ScholarGate. https://scholargate.app/de/deep-learning/mobilenet
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.
- EfficientNetDeep Learning↔ compare
- WissensdestillationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →