基于EfficientNet的目标识别仿真

在开发以卷积神经网络（CNN）为核心的机器学习模型时，我们通常会先使用固定的资源成本，构建最初的模型，然后增加更多资源（层数）扩展模型，从而获得更高的准确率。

一般来说，模型的扩大和缩小都是任意增加 CNN 的深度或宽度，抑或是使用分辨率更大的图像进行训练和评估。虽然这些传统方法提高准确率的效果不错，但大多需要繁琐的手动调整，还可能无法达到最佳性能。

因此，谷歌AI团队最近提出了新的模型缩放方法“</