用于图像去噪的超核神经架构搜索
图像与视频处理
2020-04-21 v1 机器学习
机器学习
摘要
神经架构搜索(NAS)的最新进展使得在无需大量人工监督的情况下，为图像分类、目标检测或语义分割等任务发现了新的人工智能(ANN)最优解决方案。本文聚焦于探索用于稠密预测任务即图像去噪的NAS。由于训练过程代价高昂，多数图像增强的NAS方案依赖强化学习或进化算法探索，通常需数周(甚至数月)训练。因此我们引入多种超核(superkernel)技术的高效实现，可实现用于稠密预测的模型的快速(6-8个RTX2080 GPU小时)单步训练。我们在SIDD+图像去噪基准上验证了方法的有效性。
引用
@article{arxiv.2004.08870,
title = {Superkernel Neural Architecture Search for Image Denoising},
author = {Marcin Możejko and Tomasz Latkowski and Łukasz Treszczotko and Michał Szafraniuk and Krzysztof Trojanowski},
journal= {arXiv preprint arXiv:2004.08870},
year = {2020}
}