MnasFPN：面向移动设备目标检测的延迟感知金字塔架构学习
计算机视觉与模式识别
2020-08-03 v2
摘要
尽管在资源受限环境下视觉任务的架构搜索取得了蓬勃发展，但设备上目标检测架构的设计大多仍是手工的。少数自动化搜索工作要么围绕非移动友好的搜索空间展开，要么未受设备端延迟引导。我们提出 MnasFPN，一种用于检测头的移动友好搜索空间，并将其与延迟感知架构搜索结合以生成高效的目标检测模型。所学习的 MnasFPN 检测头与 MobileNetV2 主体配对时，在 Pixel 上以相似延迟优于 MobileNetV3+SSDLite 达 1.8 mAP。它也比 NAS-FPNLite 准确率高 1.0 mAP 且快 10%。消融研究表明，性能提升的大部分来自搜索空间中的创新。进一步探索揭示了搜索空间设计与搜索算法之间有趣的耦合关系，并且 MnasFPN 搜索空间的复杂度可能处于一个局部最优。
引用
@article{arxiv.1912.01106,
title = {MnasFPN: Learning Latency-aware Pyramid Architecture for Object Detection on Mobile Devices},
author = {Bo Chen and Golnaz Ghiasi and Hanxiao Liu and Tsung-Yi Lin and Dmitry Kalenichenko and Hartwig Adams and Quoc V. Le},
journal= {arXiv preprint arXiv:1912.01106},
year = {2020}
}
备注
10 pages, 7 figures