面向轻量级密集预测网络的快速神经架构搜索
计算机视觉与模式识别
2022-03-10 v3
摘要
我们提出 LDP，一种轻量级密集预测神经架构搜索（NAS）框架。从预定义的通用骨干网络出发，LDP 采用新颖的辅助禁忌搜索（Assisted Tabu Search）进行高效的架构探索。LDP 快速且适用于多种密集估计问题，不同于先前那些计算开销大或仅部署于单一子任务的 NAS 方法。LPD 的性能在单目深度估计、语义分割和图像超分辨率任务上于多个数据集（包括 NYU-Depth-v2、KITTI、Cityscapes、COCO-stuff、DIV2K、Set5、Set14、BSD100、Urban100）进行了评估。实验表明，所提框架在所有测试的密集预测任务上取得了一致提升，同时相比先前方法在模型参数量上紧凑了 。
引用
@article{arxiv.2203.01994,
title = {Fast Neural Architecture Search for Lightweight Dense Prediction Networks},
author = {Lam Huynh and Esa Rahtu and Jiri Matas and Janne Heikkila},
journal= {arXiv preprint arXiv:2203.01994},
year = {2022}
}
备注
15 pages, 11 figures, 8 tables. arXiv admin note: substantial text overlap with arXiv:2108.11105