文献

J-GLOBAL ID：202002217392186974   整理番号：20A1750879

NAS-FCOS:オブジェクト検出のための高速ニューラルアーキテクチャ探索【JST・京大機械翻訳】

NAS-FCOS: Fast Neural Architecture Search for Object Detection

著者 (7件)： Wang Ning (School of Computer Science, Northwestern Polytechnical University, China; National Engineering Lab for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China) ,  Gao Yang (School of Computer Science, Northwestern Polytechnical University, China; National Engineering Lab for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China) ,  Chen Hao (The University of Adelaide, Australia) ,  Wang Peng (School of Computer Science, Northwestern Polytechnical University, China; National Engineering Lab for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China) ,  Tian Zhi (The University of Adelaide, Australia) ,  Shen Chunhua (The University of Adelaide, Australia) ,  Zhang Yanning (School of Computer Science, Northwestern Polytechnical University, China; National Engineering Lab for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 11940-11948  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワークの成功は,重要なアーキテクチャ工学に依存する。最近,ニューラルアーキテクチャ探索(NAS)は,最適アーキテクチャの自動検索によるネットワーク設計におけるマニュアル努力を大きく低減する見込みとして浮上しているが,典型的には,そのようなアルゴリズムは,例えば数千GPU日という過剰な計算資源を必要とする。今日まで,物体検出,NAS,特にNASの高速バージョンのような挑戦的な視覚タスクは,あまり研究されていない。ここでは,探索効率を考慮した物体検出器の復号器構造の探索を提案した。より特異的であるために,著者らは,単純なアンカーフリーオブジェクト検出器,すなわちFCOSの予測ヘッドと同様に特徴ピラミッドネットワーク(FPN)を,調整した強化学習パラダイムを用いて効率的に探索することを目的とした。注意深く設計した探索空間,探索アルゴリズムおよびネットワーク品質を評価するための戦略を用いて,8V100GPUを用いて4日以内にトップパーフォーマ検出アーキテクチャを効率的に探索することができた。発見したアーキテクチャは,COCOデータセット上のAPにおいて1.5から3.5ポイントまでの最先端のオブジェクト検出モデル(例えば,高速R-CNN,RetinaNetおよびFCOS)を凌駕し,同等の計算複雑度およびメモリフットプリントを持ち,オブジェクト検出に対して提案したNASの有効性を実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  記憶装置 ,  視覚 ,  ネットワーク ,  復号器 ,  計算量 ,  有効性 ,  *計算機アーキテクチャ ,  強化学習
準シソーラス用語： 探索空間 ,  ネットワーク設計 ,  探索アルゴリズム ,  *物体検出 ,  計算資源 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： NAS ,  オブジェクト検出 ,  探索