MobileNet ist eine Familie von Convolutional Neural Network (CNN)-Architekturen, die für die Bildklassifizierung, Objekterkennung und andere Computer-Vision-Aufgaben entwickelt wurden. Die Modelle sind auf geringe Größe, niedrige Latenz und geringen Stromverbrauch ausgelegt, was sie für die Inferenz auf dem Gerät und Edge-Computing auf ressourcenbeschränkten Geräten wie Mobiltelefonen und eingebetteten Systemen geeignet macht. Ursprünglich wurden sie entwickelt, um effizient auf mobilen Geräten mit TensorFlow Lite, einer leichtgewichtigen Laufzeitumgebung für maschinelles Lernen, zu laufen.
Der Bedarf an effizienten Deep-Learning-Modellen auf mobilen Geräten veranlasste Forscher bei Google, MobileNet zu entwickeln. Stand Juni 2025 umfasst die Familie fünf Hauptversionen, die jeweils auf ihren Vorgängern aufbauen und die Leistung sowie Effizienz verbessern, während sie die Eignung für eingeschränkte Umgebungen beibehalten.
Architektur-Prinzipien
MobileNet-Architekturen konzentrieren sich auf die Reduzierung der Rechenkosten durch mehrere Schlüsseltechniken. Die Kerninnovation ist die Verwendung von drehbaren separierbaren Faltungen, die eine Standard-Faltung in zwei als getrennte Operationen zerlegt: eine Tiefenfaltung, die jeden Eingabekanal unabhängig filtert, und eine punktweise Faltung (eine 1×1-Faltung), die die Ausgaben kombiniert. Diese Faktorisierung reduziert die Anzahl der Parameter und Gleitkommaoperationen erheblich im Vergleich zu Standard-Faltungen, einer effizienteren Inferenz auf Geräten mit begrenzter Verarbeitungsleistung.
Eine weitere wichtige Strategie ist die Einführung von Hyperparametern, die die Modellgröße und Rechenlast steuern. Der Breitenmultiplikator (als α bezeichnet) passt die Anzahl der Kanäle in jeder Schicht an; kleinere α-Werte ergeben kleinere und schnellere-Modelle auf Kosten der Genauigkeit. Der Auflösungsmultiplikator (aus physikalischen) passt die Eingabebildauflösung an, wobei niedrigere Auflösungen die Verarbeitung beschleunigen, aber möglicherweise die Genauigkeit verringern.
Die Architektur umfasst auch Techniken wie Zur Normalisierung (Standardisierung) und Datenanreicherung, um die Trainingsstabilität und die besser Verallgemeinerung zu verbessern. Beispiel Designs haben MobileNet zu einer beliebten Wahl für Echtzeitanwendungen mobil-/eingebetteten Mobilitätskontexten gemacht.
MobileNetV1
MobileNetV1 wurde im April 2017 veröffentlicht. Seine Hauptinnovation war die Integration von endtiefenseparierenden Faltungen, die von Laurent Sifre während eines Praktikums bei Google Brain im Jahr 2013 eingeführt wurde, als Variation von AlexNet, um die Konvergenzgeschwindigkeit zu verbessern und die Modellgröße zu reduzieren. Die ultra-tiefenseparierende Faltung zerlegt jede Standard-Faltung in einen Filter pro Kanal und eine punktweise Kombination (1×1), die die Ausgaben integriert.
Standard-Werte für MobileNetV1 umfassen einen Breitenmultiplikator von 1,0 und einen Auflösungsmultiplikator von 224x224. Durch Veränderung dieser Multiplikoren können Entwickler zwischen Formfaktor und Genauigkeit abgleichen. Architektur verwendete auch ReLU-Klicks nach jeder Faltung und wendete Batch Normalization an, um das Training zu beschleunigen.
MobileNetV2
MobileNetV2, veröffentlicht im März 2019, führte zwei überarbeitete Verbesserungen ein: invertierte Hahn -Residuale und lineare Bottlenecks. Kenntliche Residuals flippen die Struktur traditioneller Restblöcke, indem sie zuerst die Eingabekادل erweitern. dann die Tiefenfaltung durchführen und schließlich auf eine niedrigere Anzahl von Kanälen projizieren. Ein solches Asses, dass die Tiefenfaltung in einem hohendimensionalen Raum arbeitet und so mehr Informationsfluss bewältigt.
Lineare Bottleneck entfernen die ReLU-Aktivierung aus den Projektionen Ebenen, basierend auf der Intuition, dass Nichtlinearitäten in niedrigdimensionalen Räumen zum Informationsverlust führen. Durch deren lineare Einstellung behält das Modell mehr Ausdruckskraft, auch wenn die Kanalzahl kleinen bleibt. Diese Verbesserungen ergaben höhere Genauigkeit und niedrigere Latenz im Vergleich zur V1, was V2 zur häufigsten Wahl für mobile Vision-Aufgaben machte.
MobileNetV3 und V4
MobileNetV3, im 2019 veröffentlicht, führte drei Varianten: MobileNetV3-Large, MobileNetV3-Small und MobileNetEdgeTPU, wenige für Pixel 4-Smartphones optimiert. Diese Modelle wurden durch Architektur-Nein-Forschung (NAS) entdeckt, zur direkte mobile Latenzemessung und der Gewährleistung eines gewünschten Kompromisses zwischen Genauigkeit und Inferenzgeschwindigkeit. V3 enthält auch Stück-weise lineare Approximationen von Ansible- und Sigmoid-Aktivierungen (h-swish und h-sigmoid), Squeeze-and-Excitation-Module und erbt die invertierte Bottleneck-Struktur aus V2.
MobileNetV4, veröffentlicht im September 2024, erweiterte die Familie um viele Architekturen, die ebenfalls durch NAS gefunden wurden. V4 führte Multi-Query-Attentionig ein, inspiriert von Transformern, und ein neues Post-Mixed-Block mit dem universal inverted bottleneck, das die invertierte Residual- und invertierte Bottleneck-Konzepte früherer Versionen in Einheit bringt.
MobileNetV5 und zukünftige Richtungen
Die Architektur der fünften Version MobileNetV5 wurde kurz nach der Veröffentlichung von Gemma 3n (einem Sprachmodell) im Juni 2025 angekündigt. Obwohl die Bekanntmachung erwähnte, dass ein Fachbericht bald veröffentlicht werde, war bis Oktober 2025 kein solcher Bericht verfügbar. Das V5-Netzwerk ist angeblich ungefähr zehnmal größer als die größte V4-Variante, was eine Verschiebung hin zu höheren unbekannten Modellen bei gleichzeitiger aufrechterhaltbarer Effizienz für mobile Einsatz weist.
Im Laufe seiner Entwicklung beeinflusste MobileNet viele Architekturen und bleibt ein Eckpfeiler für eingebettete Vision-Systeme, das praktische Anwendungen in Bereichen wie automatisiertes Fahren. Robtorik und mobile Fotografie ermöglicht.