EfficientNet
EfficientNet to rodzina architektur konwolucyjnych sieci neuronowych wprowadzona przez Mingxing Tan i Quoc V. Le (Google Brain) na konferencji ICML 2019, która systematycznie skaluje głębokość, szerokość i rozdzielczość wejściową sieci za pomocą pojedynczego współczynnika złożonego, osiągając najnowocześniejszą dokładność klasyfikacji obrazów przy znacznie mniejszej liczbie parametrów i operacji FLOPs niż poprzednie sieci, takie jak ResNet i Inception.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ScholarGate. https://scholargate.app/pl/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: Wydajne konwolucyjne sieci neuronowe dla wizji mobilnejUczenie głębokie↔ compare
- Automatyczne wyszukiwanie architektury sieci neuronowychUczenie głębokie↔ compare
- ResNet (Residual Network)Uczenie głębokie↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →