完整定義
MobileNet是一系列高效的卷積神經網路,專為移動和嵌入式設備設計。它們使用深度可分離卷積來顯著減少計算量和模型大小,同時保持可接受的準確性,使其非常適合資源受限的環境。
白話說明
你有沒有想過,手機上的影像模型為什麼可以跑得那麼省電?
你可以把移動網路想成,專門為行動裝置和邊緣設備設計的輕量卷積神經網路。
它重要在於,模型不只要準,還要夠小、夠快、夠省資源。
記住這句
把大模型縮成手機也跑得動的版本。
比喻:MobileNet 就像一台省油、輕巧的電動機車 -- 不追求最快的速度,但能在電力有限的狀況下,快速且有效率地完成短程任務,非常適合城市通勤。
容易混淆
移動網路 vs 一般卷積神經網路
移動網路:強調輕量化和低延遲。
一般卷積神經網路:常追求更高表現,參數也可能更多。
最關鍵的區別:前者是為裝置限制而生,後者更偏通用。
移動網路 vs 高效網路
移動網路:是一個具體家族。
高效網路:是更廣的效率導向設計概念。
最關鍵的區別:前者是代表作之一,後者是更大的類別。
實際案例
手機相機辨識
拍照時即時辨識場景、人物或物件,不必把影像丟到雲端,也能快速回應。
邊緣裝置檢測
工廠裡的相機設備直接跑模型,比傳輸到伺服器再回來更省延遲。
演算法與應用
常見設計會用深度可分離卷積來減少計算量。
它適合邊緣人工智慧、行動 App 和即時影像任務。
在準確率和速度之間,移動網路通常會偏向速度和省電。
情境判斷
Q1(情境題): 如果模型準確率高但太大,還算適合手機嗎?
不算。移動端還要看延遲、記憶體和耗電,不只是看準確率。
Q2(情境題): 如果你要在雲端做超高準確率辨識,還需要移動網路嗎?
不一定。若資源不受限,可能會選更大的模型。移動網路的價值主要在資源受限環境。
常見問題
不是。任何資源有限的設備,例如攝影機、IoT 或邊緣盒子,都可能用到。
有關,但不完全相同。移動網路本身就是輕量設計,模型壓縮則是另一種把模型變小的方法。
因為行動裝置上的視覺任務很多,像拍照辨識、即時濾鏡和 AR。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本