基于新型神经架构搜索方法的轻量级单目深度估计
计算机视觉与模式识别
2021-08-26 v1
摘要
本文提出了一种名为 LiDNAS 的新型神经架构搜索方法，用于生成轻量级的单目深度估计模型。与以往寻找优化网络在计算上要求极高的神经架构搜索 (NAS) 方法不同，本文引入的新型辅助禁忌搜索实现了高效的架构探索。此外，我们在预定义的骨干网络上构建搜索空间，以平衡层多样性与搜索空间大小。在搜索效率和输出模型性能方面，LiDNAS 方法优于为视差和深度估计提出的最先进的 NAS 方法。经 LiDNAS 优化的模型在 NYU-Depth-v2、KITTI 和 ScanNet 上取得了优于紧凑型深度估计 SOTA 的结果，同时其模型大小（即模型参数量）紧凑了 7%-500%。
引用
@article{arxiv.2108.11105,
title = {Lightweight Monocular Depth with a Novel Neural Architecture Search Method},
author = {Lam Huynh and Phong Nguyen and Jiri Matas and Esa Rahtu and Janne Heikkila},
journal= {arXiv preprint arXiv:2108.11105},
year = {2021}
}
备注
11 pages, 10 figures