Lison_Zhu's Blog

英文原博： https://drsleep.github.io/NAS-at-CVPR-2019/ 中文翻译： https://mp.weixin.qq.com/s/c7S_hV_8iRhR4ZoFxQYGYQ 1.Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Image Segmentati...

大体可以分为三个步骤： 1.离线学习，获得视频跟踪的通性（即所有的跟踪目标，虽然类别各不相同，但其实他们应该都存在某种共性，这是需要网络去学的，如：对光照变化，运动模糊，尺寸变化的鲁棒性等。） 2.在线更新网络后几层（新建一个fc6层，在线f微调fc4-fc6层，conv1-conv3保持不变） 3.完成跟踪 ...

https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/82321884

DARTS: DIFFERENTIABLE ARCHITECTURE SEARCH ABSTRACT: 本文以一种可微的方式来描述该任务，从而解决了体系结构搜索的可扩展性挑战。与传统的在离散、不可微的搜索空间上应用进化或强化学习方法不同，我们的方法是基于结构表示的连续松弛，允许使用梯度下降有效地搜索结构。在CIFAR-10、ImageNet、Penn Treebank和Wikitext-2上的...

如果没看过这篇paper，可以先去看一下翻译过的版本Darts译文 整篇paper主要分了三大部分，分别是INTRODUCTION、DIFFERENTIABLE ARCHITECTURE SEARCH、EXPERIMENTS AND RESULTS，其中最重要的部分是第二部分——可微的结构搜索。接下来主要从第二部分开始梳理： 2.1 搜索空间 先搜一个一个的小cell（单元网络），然后再叠...

本文提出了一种自动生成语义图像分割的网络结构的方法，称为面向语义分割的可定制体系结构搜索（CAS）。与以前手动设计网络不同，该方法使用了一个轻量级的框架，并自动搜索作为网络构建块的优化计算单元。此外，在优化体系结构时，CAS还将实际应用的约束考虑到了，所以称为可定制的结构搜索，能够在分割性能和可用计算资源之间寻求良好的平衡。在Cityscapes和Camvid数据集的实验表明优于其他现有技术方法。...