PV-NAS：面向视频识别的实用神经架构搜索
计算机视觉与模式识别
2020-11-04 v2
摘要
近来，深度学习因其卓越的表征能力被用于解决视频识别问题。用于视频任务的深度神经网络高度定制化，此类网络的设计需要领域专家与代价高昂的试错测试。网络架构搜索的近期进展大幅提升了图像识别性能。然而，视频识别网络的自动设计较少被探索。在本研究中，我们提出一种实用方案，即实用视频神经架构搜索(Practical Video Neural Architecture Search, PV-NAS)。我们的 PV-NAS 能够利用基于梯度的搜索方法，在一种新颖的时空网络搜索空间中高效搜索极大规模的架构。为避免陷入次优解，我们提出一种新颖的学习率调度器以鼓励所搜索模型的充分多样性。大量实证评估表明，所提出的 PV-NAS 以少得多的计算资源实现了最先进性能。1) 在轻量级模型中，我们的 PV-NAS-L 在 Kinetics-400 与 Something-Something V2 上分别取得 78.7% 与 62.5% 的 Top-1 准确率，优于先前最先进方法（即 TSM），优势明显（在两个数据集上分别提升 4.6% 与 3.4%）；2) 在中量级模型中，我们的 PV-NAS-M 在 Something-Something V2 数据集上取得最佳性能（亦为新纪录）。
引用
@article{arxiv.2011.00826,
title = {PV-NAS: Practical Neural Architecture Search for Video Recognition},
author = {Zihao Wang and Chen Lin and Lu Sheng and Junjie Yan and Jing Shao},
journal= {arXiv preprint arXiv:2011.00826},
year = {2020}
}