文献

J-GLOBAL ID：202002249563031488   整理番号：20A1750871

SP-NAS:オブジェクト検出のための逐次対並列バックボーン探索【JST・京大機械翻訳】

SP-NAS: Serial-to-Parallel Backbone Search for Object Detection

著者 (5件)： Jiang Chenhan (Huawei Noah’s Ark Lab) ,  Xu Hang (Huawei Noah’s Ark Lab) ,  Zhang Wei (Huawei Noah’s Ark Lab) ,  Liang Xiaodan (Sun Yat-Sen University) ,  Li Zhenguo (Huawei Noah’s Ark Lab)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 11860-11869  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： 先進オブジェクト検出器は,通常,画像ネット分類によって設計され,事前訓練されたバックボーンネットワークを採用する。最近,ニューラルアーキテクチャ探索(NAS)が,分類と検出のタスク間のギャップを橋渡しするためのタスク特異的バックボーンを自動的に設計するために浮上している。本論文では,柔軟なタスク指向検出バックボーンに向けて,SP-NASという2相直列並列アーキテクチャ探索フレームワークを提案した。特に,連続探索ラウンドは,Swap-Expand-Reignite探索アルゴリズムによって,特徴階層における最適スケールと出力チャネルを有する一連のシリアルブロックを見つけることを目指した。並列探索フェーズは,さらに強力な並列構造化バックボーンに以前の検索されたバックボーンとともにいくつかのサブアーキテクチャを組み立てる。多重検出ベンチマーク上のネットワーク写像戦略を探索することにより,検出バックボーンを効率的に探索した。得られたアーキテクチャはSOTA結果,すなわち,EuroCityPersonベンチマークの自動車検出リーダボード上のトップ性能(LAMR:0.055)を達成し,COCO上のNAS-FPNよりも少ないFLOPSで2.3%mAPを改善し,精度と速度の両方に関してDetNASとAuto-FPNより良いVOCで84.1%AP50に達した。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： 写像 ,  自動車 ,  ネットワーク ,  基幹回線 ,  多重化 ,  ベンチマーク ,  *計算機アーキテクチャ
準シソーラス用語： 探索アルゴリズム ,  *物体検出 ,  並列アーキテクチャ , 【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 (5件)： NAS ,  オブジェクト検出 ,  逐次 ,  バックボーン ,  探索