CVPRSep, 2019

面向实时语义分割的图像引导架构搜索

PDF
TL;DR提出了一种名为 Graph-guided Architecture Search（GAS）的管道，其中图卷积网络（GCN）作为细胞之间的通信机制，消除了细胞之间的共享约束以实现细胞水平的多样性，并通过搜寻 latency-oriented 约束来实现速度和性能的平衡，在 Cityscapes 和 CamVid 数据集上实现了精度和速度的新的最优平衡。
semantic segmentationarchitecture searchgraph convolution networkcell-level diversitylatency-oriented constraint
发现论文，激发创造
  • 面向语义分割的可定制化架构搜索

    本文提出了一种可定制的架构搜索方法，以实现自动生成用于语义图像分割的网络架构，操作被赋予成本，并通过探索搜索空间来构建最优网络架构以满足自定义约束，该方法在 Cityscapes 和 CamVid 数据集上表现优秀，并在 Nvidia TitanXp GPU 上达到了 108 FPS 和 72.3％的性能表现。

    Aug, 2019

  • 用于实时语义分割网络搜索的局部到全局信息通信

    本文提出了一种名为 LGCNet 的神经架构搜索框架，该框架采用新的搜索空间来有效地搜索轻量级模型，并通过引入 GCN 引导模块实现局部信息交换和提出新型的密集连接融合模块来实现全局信息聚合，同时还引入了基于时延的约束来平衡准确性和速度。大量实验证明，LGCNet 在 Cityscapes 和 CamVid 数据集上取得了最新的最先进的准确性和速度的平衡。

    Feb, 2023

  • SGAS: 顺序贪心架构搜索

    本文介绍了一种名为 SGAS 的神经架构搜索方法，该方法可用于搜索卷积神经网络和图卷积网络的最新结构，且具有最小的计算成本。

    Nov, 2019

  • 基于课程图稀疏化的轻量化图神经网络搜索

    设计一种通过有价值的图数据识别重要子架构的联合图数据和架构机制，以搜索轻量级图神经网络 (GNNs) 的最佳架构，提出一种带有图稀疏化和网络修剪的轻量级图神经体系结构搜索 (GASSIP) 方法，并通过两个不可分割的模块优化这些模块来高效搜索最佳轻量级架构。

    Jun, 2024

  • MGAS：用于高效和有效的神经网络的多粒度架构搜索

    多粒度架构搜索（MGAS）是一个统一框架，旨在全面且高效地探索多粒度搜索空间以发现既有效又高效的神经网络，并在模型性能和模型大小之间取得更好的平衡。

    Oct, 2023

  • 从消息传递重新思考图神经架构搜索

    本文提出的 Graph Neural Architecture Search 可以自动化搜索图神经网络的最佳深度和最佳的消息传递机制，以达到优越的图任务结果。

    Mar, 2021

  • 用于语义视频分割的动态单元体结构搜索

    本文旨在开发一种通用方法，以前沿的语义视频分割技术结构为基础，通过使用神经体系结构搜索解决方案，设计连接每帧网络输出的上下文块。利用通用的方法，该方法能在市区景观和 CamVid 数据集等常见基准测试中实现稳定和准确的结果，并且仅需要 2 GPU 天即可完成。

    Apr, 2019

  • DEGAS: 可微分高效生成器搜索

    本研究提出了一种名为 DEGAS 的新型策略，旨在通过差分架构搜索策略和全局潜在优化过程，有效地找到对抗生成网络（GAN）中的生成器，在此基础上，在 CTGAN 模型上优于原始成果，并在较短的搜索时间内比基于强化学习的 GAN 搜索方法获得更好的结果.

    Dec, 2019

  • Auto-DeepLab：用于语义图像分割的分层神经架构搜索

    本文通过搜索单元结构和网络结构两个不同的层次来提高图像分割性能，并设计出了一种有效的基于梯度的架构搜索方法，其结果表明，在不进行 ImageNet 预训练的情况下，Auto-DeepLab 可以达到最先进的性能水平。

    Jan, 2019

  • FasterSeg：搜索更快的实时语义分割

    本文提出 FasterSeg 模型，通过神经架构搜索技术在新型多分辨率支路搜索空间上发现了性能卓越、速度更快的语义分割网络，并提出了一种解决低准确性、低延迟困境的方法，同时实现了教师 - 学生蒸馏机制，提高了学生网络的准确性。实验证明了 FasterSeg 的竞争力。

    Dec, 2019