ICCV 2023 计算机视觉资源高效深度学习研讨会赛道1冠军：预算受限模型训练挑战
计算机视觉与模式识别
2023-11-21 v1
摘要
预算受限模型训练挑战旨在资源限制下训练高效的分类模型。为在 ImageNet-100 上应对该任务，我们提出了一种由性能分析与实例化两阶段组成的简单而有效的资源感知骨干网络搜索框架。此外，我们采用多分辨率集成以提升有限资源下的推理精度。性能分析阶段遵循时间与内存约束，确定模型的最优批大小、最大训练轮数与自动混合精度（AMP）。实例化阶段则使用性能分析阶段确定的参数训练模型。为改善域内泛化能力，多分辨率集成由随机翻转的两分辨率图像构成。我们通过大量实验给出了全面分析。基于我们的方法，我们在国际计算机视觉会议（ICCV）2023 计算机视觉资源高效深度学习（RCV）研讨会赛道1中荣获冠军。
引用
@article{arxiv.2311.11470,
title = {1st Place in ICCV 2023 Workshop Challenge Track 1 on Resource Efficient Deep Learning for Computer Vision: Budgeted Model Training Challenge},
author = {Youngjun Kwak and Seonghun Jeong and Yunseung Lee and Changick Kim},
journal= {arXiv preprint arXiv:2311.11470},
year = {2023}
}
备注
ICCV 2023 Workshop Challenge Track 1 on RCV