NAS-TC：面向复杂动作识别的时序卷积神经架构搜索
计算机视觉与模式识别
2021-04-05 v1
摘要
在视频复杂动作识别领域，所设计模型的质量对最终性能起着关键作用。然而，人工设计的网络结构往往严重依赖研究者的知识与经验。相应地，由于其网络结构的自动化设计，神经架构搜索（NAS）在图像处理领域已取得巨大成功，并在近年来吸引了大量研究关注。尽管一些 NAS 方法已将图像领域所需的 GPU 搜索天数减少到个位数，但直接使用时序三维卷积将 NAS 扩展到视频领域仍可能产生计算量的激增。为应对该挑战，我们提出了一种称为神经架构搜索-时序卷积（NAS-TC）的新处理框架。我们提出的框架分为两个阶段。第一阶段，使用经典 CNN 网络作为骨干网络完成计算密集的特征提取任务。第二阶段，使用对单元的简单拼接搜索完成相对轻量的长程时序依赖信息提取。这确保了我们的方法具有更合理的参数分配并能够处理分钟级视频。最后，我们在多个基准数据集上进行了充分实验并获得了具竞争力的识别精度。
引用
@article{arxiv.2104.01110,
title = {NAS-TC: Neural Architecture Search on Temporal Convolutions for Complex Action Recognition},
author = {Pengzhen Ren and Gang Xiao and Xiaojun Chang and Yun Xiao and Zhihui Li and Xiaojiang Chen},
journal= {arXiv preprint arXiv:2104.01110},
year = {2021}
}
备注
10 pages