从 Xception 到 NEXcepTion：新的设计决策与神经架构搜索
计算机视觉与模式识别
2022-12-29 v2 人工智能
摘要
在本文中，我们提出了一种改进的 Xception 架构，即 NEXcepTion 网络。我们的网络性能显著优于原始 Xception，在 ImageNet 验证集上达到了 81.5% 的 top-1 准确率（提升了 2.5%），同时吞吐量提高了 28%。我们模型的另一个变体 NEXcepTion-TP 达到了 81.8% 的 top-1 准确率，与 ConvNeXt（82.1%）相近，而吞吐量高出 27%。我们的模型是将改进的训练流程和新设计决策，与在较小数据集上应用神经架构搜索（NAS）相结合的成果。这些发现呼吁重新审视旧架构，并重新评估其在结合最新增强技术时的潜力。
引用
@article{arxiv.2212.08448,
title = {From Xception to NEXcepTion: New Design Decisions and Neural Architecture Search},
author = {Hadar Shavit and Filip Jatelnicki and Pol Mor-Puigventós and Wojtek Kowalczyk},
journal= {arXiv preprint arXiv:2212.08448},
year = {2022}
}
备注
Accepted at ICPRAM 2023 for a 20 minutes oral presentation