Hankerchen的博客

论文《 CurveLane-NAS: Unifying Lane-SensitiveArchitecture Search and Adaptive Point》-2020-ECCV**论文链接代码链接一、摘要及主要贡献1.1 摘要摘要：文章解决了曲线车道检测问题，它比传统的车道检测提出了更现实的挑战，以更好地促进现代辅助/自动驾驶系统。由于缺乏对远程背景信息和详细的曲线轨迹的建模，目前手工设计的车道检测方法不够鲁棒，不足以捕捉曲线车道，特别是远程部分。在本文中，提出了一种新的车道敏感架构搜索

***论文《 Fast Hardware-Aware Neural Architecture Search》-2020-CVPR *****论文链接一、摘要及主要贡献1.1 摘要我们提出了在更大的搜索空间上探索自动硬件感知搜索和两阶段搜索算法，以有效地为不同类型的硬件生成定制模型。在图像网上的大量实验表明，我们的算法在三种硬件上在相同的延迟约束下优于最先进的硬件感知NAS方法。此外，所发现的架构比目前最先进的高效模型获得了更低的延迟和更高的精度。值得注意的是，飓风在图像网上达到了76.67%的最高精

论文《 FTT-NAS: Discovering Fault-Tolerant Neural Architecture》-2020-ASP-DAC**论文链接一、摘要及主要贡献1.1 摘要摘要——随着深度学习特定的嵌入式计算系统的快速发展，由深度学习驱动的应用程序正在从云走向边缘。在复杂的环境下，当将NN部署到边缘设备上时，可能会出现各种类型的故障：由大气中子和放射性杂质引起的软错误、电压不稳定、老化、温度变化和恶意攻击者。因此，在安全批评应用中在边缘计算设备上部署神经网络的安全风险现在引起了人们的

论文《 FTT-NAS: Discovering Fault-Tolerant Neural Architecture》-2020-ASP-DAC**论文链接一、摘要及主要贡献1.1 摘要深度神经网络(DNNs)是一种计算密集型的学习模型，在广泛的领域中越来越适用。由于其计算复杂性，DNNs受益于利用自定义硬件加速器来满足性能和响应时间以及分类精度限制的实现。在本文中，我们提出了深度制造者框架，旨在自动为嵌入式设备设计一套高度鲁棒的DNN架构，作为离传感器最近的处理单元。深度制造者探索和修剪了设计

论文《MemNAS: Memory-Efficient Neural Architecture Search with Grow-TrimLearning》-2020-CVPR**论文链接代码链接一、摘要及主要贡献1.1 摘要最近关于自动神经结构搜索技术的研究显示了显著的性能，与手工制作的神经结构竞争，甚至更好。然而;现有的大多数搜索方法倾向于使用残余结构和浅层和深层特征之间的连接。因此，一个生成的神经网络模型对于资源约束设备来说是非常重要的，因为这种模型需要大量内存来存储网络参数和中间特征映射

论文《 Beyond Network Pruning: a Joint Search-and-Training Approach》-2020-IJCAI**论文链接一、摘要及主要贡献1.1 摘要网络剪枝被提出作为缓解深度神经网络过度参数化问题的一种方法。然而，它的价值最近受到了挑战，特别是从神经结构搜索的角度来看。我们提出了一种联合搜索和训练的、直接从零开始学习紧凑的网络的方法，来挑战修剪后训练的传统智慧。通过将剪枝视为一种搜索策略，本文提出了两个新的见解：1)通过将每个过滤器与可学习的权重关联来

论文《 APQ：联合搜索网络结构、剪枝和量化策略》-2020-CVPR**论文链接代码链接一、摘要及主要贡献1.1 摘要我们提出了APQ，一种有效的深度学习部署的新设计方法。与以前单独优化神经网络结构、剪枝策略和量化策略的方法不同，我们设计了以联合的方式优化它们。为了处理它带来的更大的设计空间，我们设计了训练一个量化感知精度预测器，供进化搜索选择最佳拟合。由于直接训练这种预测器需要耗时的量化数据收集，我们建议使用预测器传输技术来获得量化感知预测器：我们首先通过采样预先训练的统一网络并进行直接评

论文《 DeepMaker: A multi-objective optimization framework for deep neuralnetworks in embedded systems》-2020-**论文链接一、摘要及主要贡献1.1 摘要网络剪枝被提出作为缓解深度神经网络过度参数化问题的一种方法。然而，它的价值最近受到了挑战，特别是从神经结构搜索的角度来看。我们提出了一种联合搜索和训练的、直接从零开始学习紧凑的网络的方法，来挑战修剪后训练的传统智慧。通过将剪枝视为一种搜索策略，本

论文《You Only Search Once: A Fast Automation Framework forSingle-Stage DNN/Accelerator Co-design》-2021**一、摘要摘要—DNN/加速器协同设计在提高质量R和性能方面具有巨大的潜力。典型的方法将设计流程分为两个阶段：（1）设计一个精度最高的特定于应用程序的DNN模型；（2）考虑DNN特定特性构建加速器。虽然人们致力于提高DNN的准确性做出了重大努力；在构建一个特定的基于神经网络的系统时，它在承诺结合精度

论文《Surrogate-Assisted Evolutionary Deep Learning Using an End-to-End Random Forest-based Performance Predictor》**一、摘要摘要卷积神经网络(CNNs)在各种现实应用中表现出了卓越的性能。不幸的是，只有在优化结构的情况下，cnn才能实现良好的性能。最先进的有线电视网络的架构通常是手工制作的有线电视网络和调查数据的广泛专业知识，这因此阻碍了有线电视网络的广泛采用，为缺乏经验的用户。进化深度学习(E

论文《Efficient Evolutionary Search of Attention Convolutional Networks via Sampled Training and Node Inheritance》**中文翻译《基于采样训练和节点继承注意力网络的高效进化搜索》一、摘要深度神经网络的性能在很大程度上依赖于其结构，各种神经结构搜索策略已被开发出来用于自动化的网络结构设计。最近,进化神经结构搜索(EvoNAS)已经收到了越来越多的关注,因为有吸引力的进化算法的全局优化能力然而,Evo