MobileNet: Reti Neurali Convoluzionali Efficienti per la Visione su Dispositivi Mobili
MobileNet è una famiglia di architetture di reti neurali convoluzionali leggere introdotte da Howard et al. presso Google nel 2017. È progettata per eseguire la classificazione di immagini, il rilevamento di oggetti e altre attività di visione direttamente su dispositivi mobili e sistemi embedded con budget computazionali limitati. Sostituendo le convoluzioni standard con convoluzioni separabili in profondità (depthwise separable convolutions) ed esponendo due iperparametri globali, MobileNet riduce drasticamente le operazioni di moltiplicazione-addizione e la dimensione del modello, mantenendo al contempo un'accuratezza competitiva.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Howard, A. G., et al. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint. link ↗
Come citare questa pagina
ScholarGate. (2026, June 2). MobileNet (Efficient Mobile CNN). ScholarGate. https://scholargate.app/it/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.
- EfficientNetApprendimento profondo↔ compare
- Distillazione della ConoscenzaApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →