面向目标检测移动架构搜索的多目标进化方法
计算机视觉与模式识别
2022-11-08 v1 机器学习
摘要
近来，神经架构搜索在移动端分类任务上取得了巨大成功。目标检测的主干网络通常通过在图像分类任务上获得。然而，通过分类任务搜索得到的架构由于图像与目标检测任务间的差距而是次优的。鉴于专注于移动端目标检测主干网络架构搜索的工作有限，主要因为主干网络总是需要昂贵的 ImageNet 预训练。因此，有必要研究无需昂贵预训练的移动端目标检测网络架构搜索方法。本工作中，我们提出一种移动端目标检测主干网络架构搜索算法，其是一种基于非支配排序、面向 NAS 场景的进化优化方法。它能在特定约束下快速搜索获得主干网络架构，较好地解决了精度与计算成本的次优线性组合问题。所提方法可通过权重映射技术搜索具有不同深度、宽度或扩展尺寸的主干网络，使 NAS 用于移动端检测任务的高效性大为提高。在我们的实验中，我们在 YoloX-Lite（目标检测框架的轻量版）上验证了所提方法的有效性。在相似计算复杂度下，我们所搜索主干网络架构的精度比 MobileDet 高 2.0% mAP。我们改进的主干网络能在提升目标检测网络精度的同时减少计算量。为证明其有效性，我们进行了一系列消融研究并详细分析了工作机制。
引用
@article{arxiv.2211.02791,
title = {Multi-Objective Evolutionary for Object Detection Mobile Architectures Search},
author = {Haichao Zhang and Jiashi Li and Xin Xia and Kuangrong Hao and Xuefeng Xiao},
journal= {arXiv preprint arXiv:2211.02791},
year = {2022}
}