近日，斯坦福大學(xué)李飛飛組的研究者發(fā)表論文《Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentation》，提出了Auto-DeepLab，其在圖像語義分割問題上超越了很多業(yè)內(nèi)最佳模型，甚至可以在未經(jīng)過預(yù)訓(xùn)練的情況下達到預(yù)訓(xùn)練模型的表現(xiàn)。Auto-DeepLab開發(fā)出與分層架構(gòu)搜索空間完全匹配的離散架構(gòu)的連續(xù)松弛，能夠顯著提高架構(gòu)搜索的效率，降低算力需求。
據(jù)了解，該論文主要貢獻如下：
?這是首次將 NAS 從圖像分類任務(wù)擴展到密集圖像預(yù)測任務(wù)的嘗試之一。
?該研究提出了一個網(wǎng)絡(luò)級架構(gòu)搜索空間，它增強和補充了已經(jīng)得到深入研究的單元級架構(gòu)搜索，并對網(wǎng)絡(luò)級和單元級架構(gòu)進行更具挑戰(zhàn)性的聯(lián)合搜索。
?本研究提出了一種可微的連續(xù)方式，保證高效運行兩級分層架構(gòu)搜索，在一個 GPU 上僅需 3 天。
?在未經(jīng) ImageNet 預(yù)訓(xùn)練的情況下，Auto-DeepLab 模型在 Cityscapes 數(shù)據(jù)集上的性能顯著優(yōu)于 FRRN-B 和 GridNet，同時也和 ImageNet 預(yù)訓(xùn)練當(dāng)前最佳模型性能相當(dāng)。在 PASCAL VOC 2012 和 ADE20K 數(shù)據(jù)集上，最好的 Auto-DeepLab 模型優(yōu)于多個當(dāng)前最優(yōu)模型。
據(jù)悉，在回歸斯坦福大學(xué)當(dāng)教授之前，李飛飛曾擔(dān)任谷歌中國AI負責(zé)人，并在擔(dān)任谷歌云負責(zé)人與首席科學(xué)家的兩年間，建立了一個高效的團隊，幫助 Google 加速將人工智能和機器學(xué)習(xí)引入自己的云服務(wù)中。
您可能也喜歡這些文章
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場趨勢的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務(wù)。
粵公網(wǎng)安備 44030402000264號
