MobileNet: Effektiva faltningsnätverk för mobil vision
MobileNet är en familj av lätta faltningsnätverksarkitekturer som introducerades av Howard et al. på Google 2017. Den är utformad för att köra bildklassificering, objektdetektering och andra visionuppgifter direkt på mobila enheter och inbyggda system med begränsade beräkningsresurser. Genom att ersätta standardfaltningar med djupvise separerbara faltningar och exponera två globala hyperparametrar, minskar MobileNet dramatiskt multiplikations- och additionsoperationer samt modellstorlek, samtidigt som den bibehåller konkurrenskraftig noggrannhet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Howard, A. G., et al. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). MobileNet (Efficient Mobile CNN). ScholarGate. https://scholargate.app/sv/deep-learning/mobilenet
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- EfficientNetDjupinlärning↔ jämför
- KunskapsdestilleringDjupinlärning↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →