基于 NAS 的递归阶段局部网络（RSPNet）用于轻量级语义分割
计算机视觉与模式识别
2022-10-04 v1 机器学习
摘要
当前基于 NAS 的语义分割方法侧重于精度提升而非轻量化设计。本文提出一种两阶段框架来设计用于轻量级语义分割的基于 NAS 的 RSPNet 模型。第一阶段架构搜索确定内部单元结构，第二阶段架构搜索考虑指数增长的路径以最终确定网络外部结构。已有文献表明，高、低分辨率特征图的融合能产生更强的表征。为在无人工设计的情况下寻找期望的宏结构，我们采用一种新的路径注意力机制来高效搜索合适路径，以融合有用信息从而获得更好的分割效果。我们对单元中可重复微结构进行的搜索带来了语义分割上的优越网络架构。此外，我们提出一种 RSP（递归阶段局部）架构来搜索基于 NAS 的语义分割轻量化设计。所提架构高效、简单且有效，宏结构与微结构搜索均可在两块 V100 GPU 上计算五天内完成。该轻量级 NAS 架构参数规模仅为 SOTA 架构的 1/4，且在不使用任何骨干网络的情况下，于 Cityscapes 数据集上取得了 SOTA 的语义分割性能。
引用
@article{arxiv.2210.00698,
title = {NAS-based Recursive Stage Partial Network (RSPNet) for Light-Weight Semantic Segmentation},
author = {Yi-Chun Wang and Jun-Wei Hsieh and Ming-Ching Chang},
journal= {arXiv preprint arXiv:2210.00698},
year = {2022}
}