SPD 流形网络的神经架构搜索
机器学习
2021-06-15 v4 计算机视觉与模式识别
神经与进化计算
摘要
在本文中，我们提出了一个对称正定 (SPD) 流形网络的神经架构搜索 (NAS) 新问题，旨在自动化 SPD 神经架构的设计。为解决该问题，我们首先引入一个几何丰富且多样的 SPD 神经架构搜索空间，以实现高效的 SPD 单元设计。此外，我们用单个超网的一次性训练过程来建模我们的新 NAS 问题。基于超网建模，我们在松弛的连续搜索空间上利用可微分 NAS 算法进行 SPD 神经架构搜索。我们的方法在无人机、动作和情绪识别任务上的统计评估大多提供了优于最先进 SPD 网络和传统 NAS 算法的结果。实证结果表明，我们的算法擅长发现性能更优的 SPD 网络设计，并提供比最先进 NAS 算法搜索出的模型轻三倍以上模型。
引用
@article{arxiv.2010.14535,
title = {Neural Architecture Search of SPD Manifold Networks},
author = {Rhea Sanjay Sukthanker and Zhiwu Huang and Suryansh Kumar and Erik Goron Endsjo and Yan Wu and Luc Van Gool},
journal= {arXiv preprint arXiv:2010.14535},
year = {2021}
}
备注
This paper is accepted for publication at IJCAI 2021