EfficientNet
EfficientNet est une famille d'architectures de réseaux neuronaux convolutifs introduite par Mingxing Tan et Quoc V. Le (Google Brain) à l'ICML 2019, qui met à l'échelle de manière systématique la profondeur, la largeur et la résolution d'entrée du réseau à l'aide d'un unique coefficient composite, atteignant une précision de classification d'images de pointe avec considérablement moins de paramètres et d'opérations en virgule flottante (FLOPs) que les réseaux précédents tels que ResNet et Inception.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ScholarGate. https://scholargate.app/fr/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 : Réseaux neuronaux convolutifs efficaces pour la vision mobileApprentissage profond↔ compare
- Recherche d'architecture neuronaleApprentissage profond↔ compare
- ResNet (Réseau Résiduel)Apprentissage profond↔ compare
- Apprentissage par transfertApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →