Jul, 2022

EASNet: 搜索弹性和精确的立体匹配网络结构

PDF
TL;DR提出了一种适用于不同计算环境下实现不同 3D 架构的弹性和准确的立体匹配网络 (EASNet)，并在 Scene Flow 和 MPI Sintel 数据集上证明其优于当前最先进的面向任务过程的 SOTA 架构。
stereo matchingneural architecture searchdense prediction taskelastic networkinference speed
发现论文，激发创造
  • 深度立体匹配的分层神经架构搜索

    本文提出了一个双目立体匹配中第一个基于任务特定的人类知识的端对端分层神经架构搜索框架，通过优化整个管道的架构，我们的搜索网络优于所有现有的深度立体匹配结构，在多个基准测试中排名前 1，并在网络规模和推理速度上作出了实质性的改进。

    Oct, 2020

  • EPE-NAS: 用于神经架构搜索的高效性能估计方法

    本文提出了一种高效的性能评估策略 - EPE-NAS，通过评分未训练的神经网络并与其训练后的表现建立相关性，旨在解决神经架构搜索中耗时的性能估计问题，进而能够在几秒钟内使用单个 GPU 进行搜索。此方法仅需使用简单的随机取样策略，可支持几乎所有 NAS 方法的集成。

    Feb, 2021

  • SqueezeNAS：用于更快语义分割的快速神经架构搜索

    本研究采用无代理的硬件感知搜索方法，针对密集的语义分割任务，实现了特定任务和推理硬件上优化的网络，并在 Cityscapes 语义分割数据集上实现了最先进的网络准确度优化，在 NVIDIA AGX Xavier 上实现了低于 100ms 推理时间的 73.62％的类 mIOU，并与最新的最先进架构进行了详细分析。

    Aug, 2019

  • ISTA-NAS：通过稀疏编码实现高效、一致的神经架构搜索

    通过稀疏编码的方法，进行可微的搜索及网络结构恢复，以满足稀疏性约束，提高了神经结构搜索的效率和性能。

    Oct, 2020

  • 半监督神经架构搜索

    提出了 SemiNAS，这是一种半监督神经架构搜索方法，利用没有评估的架构进行训练，通过训练一个准确性预测器来减少计算成本，同时在相同的计算成本下获得更高的准确度。

    Feb, 2020

  • 针对三维医学图像分割的可扩展神经体系结构搜索

    本文提出了一种神经体系结构搜索 (NAS) 框架，用于自动优化大规模设计空间中的神经体系结构，支持 3D 医学图像分割任务，其优化准确度在基准测试数据集上优于人类设计的 3D U-Net，经过优化的体系结构适用于不同的任务。

    Jun, 2019

  • 高效渐进式神经结构搜索

    该研究提出了一种名为 EPNAS（高效渐进的神经结构搜索）的神经结构搜索方法，它通过一种新的渐进搜索策略和基于 REINFORCE 的性能预测有效地处理大型搜索空间。EPNAS 被设计成能够在并行系统（如 GPU/TPU 集群）上并行搜索目标网络。该方法还可以推广到具有多个资源限制的体系结构搜索，这对于在移动设备和云平台等广泛平台上进行部署非常重要。在使用 CIFAR10 和 ImageNet 进行图像识别任务时，该方法在架构搜索速度和识别准确性方面均优于先进的网络结构和高效的 NAS 算法。

    Jul, 2019

  • 面向点云网络的延迟有限神经结构搜索 LC-NAS

    本研究提出了一个新的神经网络架构搜索框架 ——LC-NAS，该框架可以在指定延迟内搜索点云网络结构，并平衡了精度和延迟之间的权衡，实验结果表明，该框架在计算成本最小化的同时，能够找到具有最先进性能的点云分类体系结构。

    Aug, 2020

  • DCNAS：用于语义图像分割的密集连接神经架构搜索

    本研究提出一种名为 Densely Connected NAS (DCNAS) 的神经架构搜索框架，通过连接细胞并使用可学习的权重来引入密集连接的搜索空间，并通过路径和通道级别的抽样策略设计一个融合模块来降低搜索空间的内存消耗。DCNAS 搜索算法得到的体系结构在公共语义图像分割基准测试中的表现显著优于先前算法。

    Mar, 2020

  • 实例感知神经架构搜索

    本文提出了一种基于实例的神经架构搜索方法 InstaNAS，通过搜索一种 “架构分布” 而不是单一的神经架构，确保难以处理的样本使用复杂的神经架构来减少前处理时间，并在搜索空间中验证表明，与 MobileNetV2 相比，在多个数据集上具有相同的准确性和大约 48.8％的前处理时间减少。

    Nov, 2018