基于神经架构搜索的快速、精确且轻量超分辨率方法
计算机视觉与模式识别
2020-07-22 v3 机器学习
摘要
深度卷积神经网络在超分辨率领域展现出令人印象深刻的成果。一系列研究致力于通过使用更深层数以提升峰值信噪比 (PSNR)，但这对受限资源并不友好。在复原能力与模型简洁性之间寻求权衡仍非易事。近期研究努力手动最大化这一平衡，而我们的工作借助神经架构搜索自动达成同样目标。具体而言，我们以多目标方法处理超分辨率。我们还基于融合进化计算与强化学习的混合控制器，提出在微观与宏观层面的弹性搜索策略。定量实验使我们得出结论：在单个 FLOPS 方面，我们所生成的模型主导大多数 SOTA 方法。
引用
@article{arxiv.1901.07261,
title = {Fast, Accurate and Lightweight Super-Resolution with Neural Architecture Search},
author = {Xiangxiang Chu and Bo Zhang and Hailong Ma and Ruijun Xu and Qingyuan Li},
journal= {arXiv preprint arXiv:1901.07261},
year = {2020}
}
备注
Accepted to ICPR20