EfficientNet
EfficientNet är en familj av faltningsneurala nätverksarkitekturer som introducerades av Mingxing Tan och Quoc V. Le (Google Brain) vid ICML 2019, som systematiskt skalar nätverkets djup, bredd och indataupplösning med en enda sammansatt koefficient, vilket uppnår toppmodern noggrannhet för bildklassificering med väsentligt färre parametrar och FLOPs än tidigare nätverk som ResNet och Inception.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ScholarGate. https://scholargate.app/sv/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: Effektiva faltningsnätverk för mobil visionDjupinlärning↔ compare
- Neural Architecture SearchDjupinlärning↔ compare
- ResNet (Residual Network)Djupinlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →