AutoSNAP：自动学习用于器械位姿估计的神经架构
计算机视觉与模式识别
2022-08-15 v1 机器学习
摘要
尽管近期取得进展，深度学习的成果尚未充分转化至计算机辅助介入（CAI）问题，如手术器械位姿估计。当前，分类与分割任务的神经架构被直接采用，忽视了 CAI 与这些任务间的显著差距。我们提出一个用于器械位姿估计问题的自动框架（AutoSNAP），其发现并学习神经网络架构。我们引入 1) 一个高效的位姿估计测试环境，2) 基于新颖符号神经架构模式（SNAPs）的强力架构表示，以及 3) 使用高效搜索方案的架构优化。利用 AutoSNAP，我们发现了一种改进架构（SNAPNet），其优于手工设计的 i3PosNet 与最先进架构搜索方法 DARTS。
引用
@article{arxiv.2006.14858,
title = {AutoSNAP: Automatically Learning Neural Architectures for Instrument Pose Estimation},
author = {David Kügler and Marc Uecker and Arjan Kuijper and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2006.14858},
year = {2022}
}
备注
Accepted at MICCAI 2020 Preparing code for release at https://github.com/MECLabTUDA/AutoSNAP