EfficientNet
Google提出的高效CNN模型系列，通过复合缩放方法同时调整网络深度、宽度和分辨率，在ImageNet上达到更高精度的同时保持参数高效性
核心事实
时间轴 (近 90 天)
BirdNET 由康奈尔鸟类学实验室与德国开姆尼茨工业大学联合开发，基于 EfficientNet 架构，训练数据涵盖全球约 6000 种鸟类音频
几乎所有主流视觉骨干网络（ResNet、EfficientNet、ViT等）都在ImageNet上进行过预训练
Google的RT-1使用EfficientNet作为视觉编码器,推理延迟控制在3Hz
早期边缘AI主要依赖轻量级卷积神经网络（如MobileNet、EfficientNet）执行感知任务，参数量通常在百万级别，推理时仅需数十毫秒
该综述发现EfficientNet在VHS估计任务精度上明显优于ResNet与VGG架构，但临床部署严重滞后
EfficientNet-B7的输入分辨率达到600×600，参数量约6600万；B3在300×300分辨率下仅有约1200万参数
EfficientNet的复合缩放数学形式为深度d=α^φ、宽度w=β^φ、分辨率r=γ^φ，其中α、β、γ通过在基线模型B0上网格搜索确定
ResNet、EfficientNet等更先进的CNN架构凭借更深的网络深度和更强的特征表达能力，已成为视觉检测任务的主流选择
EfficientNet 系列由 Google Brain 在 2019 年提出，核心创新是复合缩放，从 B0 到 B7 参数从 5.3M 增长到 66M，Top-1 精度从 77.1% 提升到 84.3%
ResNet、EfficientNet、Vision Transformer 的预训练权重基于 ImageNet、COCO 等公开数据集训练得到，许可证通常允许商用
还有 3 条时间轴事件
全部知识事实 (17)
农业场景下的图像识别主要基于深度学习中的卷积神经网络（CNN）及其变体，如ResNet、EfficientNet、Vision Transformer等模型架构
70%已验证EfficientNet是Google Brain团队于2019年提出的高效网络，通过复合缩放策略同时优化网络深度、宽度和分辨率
65%待验证宠物品种识别可使用卷积神经网络（CNN）模型如ResNet、EfficientNet实现
90%待验证iNaturalist的物种识别引擎经历了从InceptionV3到EfficientNet等架构的持续迭代
80%待验证BirdNET 由康奈尔鸟类学实验室与德国开姆尼茨工业大学联合开发，基于 EfficientNet 架构，训练数据涵盖全球约 6000 种鸟类音频
50%待验证几乎所有主流视觉骨干网络（ResNet、EfficientNet、ViT等）都在ImageNet上进行过预训练
50%待验证Google的RT-1使用EfficientNet作为视觉编码器,推理延迟控制在3Hz
50%待验证早期边缘AI主要依赖轻量级卷积神经网络（如MobileNet、EfficientNet）执行感知任务，参数量通常在百万级别，推理时仅需数十毫秒
50%待验证该综述发现EfficientNet在VHS估计任务精度上明显优于ResNet与VGG架构，但临床部署严重滞后
50%待验证EfficientNet-B7的输入分辨率达到600×600，参数量约6600万；B3在300×300分辨率下仅有约1200万参数
50%待验证EfficientNet的复合缩放数学形式为深度d=α^φ、宽度w=β^φ、分辨率r=γ^φ，其中α、β、γ通过在基线模型B0上网格搜索确定
50%待验证ResNet、EfficientNet等更先进的CNN架构凭借更深的网络深度和更强的特征表达能力，已成为视觉检测任务的主流选择
50%待验证EfficientNet 系列由 Google Brain 在 2019 年提出，核心创新是复合缩放，从 B0 到 B7 参数从 5.3M 增长到 66M，Top-1 精度从 77.1% 提升到 84.3%
50%待验证ResNet、EfficientNet、Vision Transformer 的预训练权重基于 ImageNet、COCO 等公开数据集训练得到，许可证通常允许商用
50%待验证EfficientNet 从 B0 到 B7，模型参数从 5.3M 增长到 66M，Top-1 精度从 77.1% 提升到 84.3%
50%待验证8GB显存足以覆盖大多数计算机视觉模型（如ResNet、EfficientNet）和中小规模NLP模型的训练需求，对本科阶段AI学习足够
50%待验证CNN架构从LeNet-5到AlexNet（2012）、VGGNet（2014）、GoogLeNet/Inception（2014）、ResNet（2015），再到EfficientNet和ConvNeXt经历了演进过程
50%