Insta 360 ONE X的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

重組EfficientNet模塊之口罩瑕疵檢測

為了解決Insta 360 ONE X的問題，作者王家恩 這樣論述：

在2019年底 新型冠狀病毒肺炎 (COVID-19)疫情爆發，全球口罩的需求瞬間大增，口罩的生產品質也變得重要。 因此本研究藉由 AI深度學習模型替口罩進行瑕疵檢測分類， 以當前精準 的卷積神經網路模型 EfficientNet 進行口罩檢測； 在使用模型時發現，雖然此類模型的準確率 高 ，但與 其他模型 相比則 需要較長的訓練時間 尤其是EfficientNet B7，在進行檢測 若沒有 高效能 顯示卡，就 無法進行訓練 ，最低也需要有一張 10G的顯示卡才能讓模型在不會將圖片縮得太小的情況下運作 。 於是本研究透過將EfficientNet B7的模型 神經層數量 減少， 並 觀察其在

此 情況下是否能夠 維持或提高檢測準確率 以目前修改表現最好的模型 得出 若 將 模型的 神經層數量減少百分之 60 不僅能降低顯示卡的負擔，還能減少訓練所要花費的時間， 且修改後的模型準確率與原始模型的準確率 也沒有太大差異 。