---
title: "移動網路（MobileNet）"
slug: mobilenet
language: zh-TW
source: https://aiterms.tw/terms/mobilenet
updated_at: 2026-04-29
tags: [深度學習, 電腦視覺, 模型部署, 神經網路, AI應用, 模型訓練, 遷移學習]
ipas_term: false
---

# 移動網路（MobileNet）

> **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。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 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。

### 記住這句就好

> 把大模型縮成手機也跑得動的版本。

### 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。

### 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

> **Q：移動網路只能跑在手機上嗎？**
>
> 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。

> **Q：它跟模型壓縮有關嗎？**
>
> 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。

> **Q：為什麼它常出現在電腦視覺題目？**
>
> 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

> - **卷積神經網路**：移動網路是 CNN 的輕量分支。
> - **高效網路**：想理解效率設計時很需要。
> - **邊緣人工智慧**：它最常落地的場景。
> - **模型壓縮**：兩者都在解小型化問題。

---

來源：https://aiterms.tw/terms/mobilenet
快查頁：https://aiterms.tw/terms/mobilenet
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-mobilenet