面向实时语义分割的代理辅助多目标神经架构搜索
计算机视觉与模式识别
2022-08-16 v1 神经与进化计算
摘要
深度神经网络在架构上的进展已在广泛的计算机视觉任务中带来显著的飞跃。神经架构搜索（NAS）不再依赖人类专家经验，已成为自动化架构设计的一条有前景的途径。尽管近期在图像分类上的成果暗示了机会，但 NAS 的潜力尚需在更具挑战性的语义分割任务上得到充分评估。将 NAS 应用于语义分割的主要挑战来自两方面：（i）需处理高分辨率图像；（ii）如自动驾驶等应用对实时推理速度的额外要求（即实时语义分割）。为应对这些挑战，本文提出一种代理辅助多目标方法。通过一系列定制预测模型，我们的方法将原始 NAS 任务有效转化为普通的多目标优化问题。继以用于填充选择的层次化预筛选准则，我们的方法逐步获得一组在分割精度与推理速度之间权衡的高效架构。在三个基准数据集上的实证评估以及使用华为 Atlas 200 DK 的应用表明，我们的方法所能识别的架构显著优于现有由人类专家手动设计和由其他 NAS 方法自动设计的最先进架构。
引用
@article{arxiv.2208.06820,
title = {Surrogate-assisted Multi-objective Neural Architecture Search for Real-time Semantic Segmentation},
author = {Zhichao Lu and Ran Cheng and Shihua Huang and Haoming Zhang and Changxiao Qiu and Fan Yang},
journal= {arXiv preprint arXiv:2208.06820},
year = {2022}
}