Las redes neuronales convolucionales (CNN) continúan dominando la investigación en el área de la aceleración de hardware utilizando Arrays de compuertas programables en campo (FPGA), demostrando su efectividad en una variedad de aplicaciones de visión por computadora como la segmentación de objetos, clasificación de imágenes, detección de rostros y reconocimiento de señales de tráfico, entre otros. Sin embargo, existen numerosas limitaciones para implementar CNN en FPGA, incluyendo la memoria en chip limitada, el tamaño de la CNN y los parámetros de configuración. Este documento presenta Ad-MobileNet, un modelo avanzado de CNN inspirado en el modelo base MobileNet. El modelo propuesto utiliza un motor Ad-depth, que es una versión mejorada de la unidad de convolución separable en profundidad. Además, proponemos un modelo de implementación basado en FPGA que admite las funciones de activación Mish, TanhExp y ReLU. Los resultados experimentales utilizando el conjunto de datos CIFAR-10 muestran que nuestro Ad-MobileNet tiene una precisión de clasificación del 88.76% mientras requiere pocos recursos de hardware computacional. En comparación con los métodos de última generación, nuestro método propuesto tiene una tasa de reconocimiento bastante alta mientras utiliza menos recursos de hardware computacional. De hecho, el modelo propuesto ayuda a reducir los recursos de hardware en más del 41% en comparación con el del modelo base.