MobileNet : Réseaux neuronaux convolutifs efficaces pour la vision mobile
MobileNet est une famille d'architectures de réseaux neuronaux convolutifs légers introduite par Howard et al. chez Google en 2017. Elle est conçue pour exécuter la classification d'images, la détection d'objets et d'autres tâches de vision directement sur des appareils mobiles et des systèmes embarqués avec des budgets de calcul limités. En remplaçant les convolutions standard par des convolutions séparables en profondeur et en exposant deux hyperparamètres globaux, MobileNet réduit considérablement les opérations de multiplication-addition et la taille du modèle tout en conservant une précision compétitive.
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
- Howard, A. G., et al. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint. link ↗
Comment citer cette page
ScholarGate. (2026, June 2). MobileNet (Efficient Mobile CNN). ScholarGate. https://scholargate.app/fr/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.
- EfficientNetApprentissage profond↔ compare
- Distillation de connaissancesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →