面向图像分类的 DARTS 微调方法
计算机视觉与模式识别
2020-11-17 v1 人工智能
机器学习
图像与视频处理
摘要
神经架构搜索（NAS）因优越的分类性能而受到关注。可微架构搜索（DARTS）是一种计算量轻量的方法。为限制计算资源，DARTS 做了大量近似，这些近似导致其性能不佳。我们提出使用固定操作对 DARTS 进行微调，因为固定操作与这些近似无关。我们的方法在参数数量与分类精度之间提供了良好的权衡。与当前最优（SOTA）方法相比，我们的方法在 Fashion-MNIST、CompCars 和 MIO-TCD 数据集上的 top-1 准确率分别提升了 0.56%、0.50% 和 0.39%。我们的方法优于 DARTS，在 CIFAR-10、CIFAR-100、Fashion-MNIST、CompCars 和 MIO-TCD 数据集上相比 DARTS 准确率分别提升了 0.28%、1.64%、0.34%、4.5% 和 3.27%。
引用
@article{arxiv.2006.09042,
title = {Fine-Tuning DARTS for Image Classification},
author = {Muhammad Suhaib Tanveer and Muhammad Umar Karim Khan and Chong-Min Kyung},
journal= {arXiv preprint arXiv:2006.09042},
year = {2020}
}
备注
8 pages, 6 figures