เปรียบเทียบวิธี

	MobileNet	การค้นหาสถาปัตยกรรมโครงข่ายประสาทเทียม
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2017	2017
ผู้ริเริ่ม	Andrew Howard et al. (Google)	Zoph, B. & Le, Q.V.
ประเภท	Lightweight CNN architecture	Automated architecture optimization (deep learning)
แหล่งต้นตำรับ	Howard, A. G., et al. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint.	Zoph, B. & Le, Q.V. (2017). Neural Architecture Search with Reinforcement Learning. ICLR.
ชื่อเรียกอื่น	MobileNets, Depthwise Separable CNN, Efficient Mobile Vision Network, Mobil Evrişimli Sinir Ağı	Nöral Mimari Arama (NAS), NAS, automated architecture design, differentiable architecture search
ที่เกี่ยวข้อง	2	5
สรุป	MobileNet is a family of lightweight convolutional neural network architectures introduced by Howard et al. at Google in 2017. It is designed to run image classification, object detection, and other vision tasks directly on mobile devices and embedded systems with limited computational budgets. By replacing standard convolutions with depthwise separable convolutions and exposing two global hyperparameters, MobileNet dramatically reduces multiply-add operations and model size while retaining competitive accuracy.	Neural Architecture Search (NAS), introduced by Zoph and Le in 2017, automatically optimizes architectural decisions such as a network's depth, width, and connection structure instead of hand-designing them. Leading methods in the field include DARTS, ENAS, and Once-for-All.