笔记——Learning Transferable Architectures for Scalable Image Recognition

最新推荐文章于 2025-01-21 15:38:21 发布
原创 最新推荐文章于 2025-01-21 15:38:21 发布 · 2.5k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习与计算机视觉

本文探讨了通过Neural Architecture Search (NAS)框架在CIFAR-10数据集上寻找最优网络结构，并将其应用于ImageNet数据集，实现了模型性能提升1.2%，同时减少了28%的计算成本。研究定义了Normal Cell和Reduction Cell，优化目标包括细胞内部结构和层的数量。结果显示，NAS框架找到的结构在任务迁移和模型压缩中表现出色。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

这里写图片描述

主要思想：

​通过NAS(Neural Architecture Search Framework)在CIFAR-10 dataset上找到最优的网络结构，再扩展到ImageNet dataset上。
​模型提升——​ This paper 1.2%better computer cost: a reductionof 28%

定义优化问题：
  • 定义两种类型的convolution layer：
    ​ a. Normal Cell: 输入输出的feature map大小相同
    ​ b. Reduction Cell: 输出feature map height/2, width/2
  • 上述两种layer中可以包含如下操作：

这里写图片描述

  • 整体架构如Figure2所示
    ​ 每当feature map大小减小一半，filter个数加倍2x

最低0.47元/天 解锁文章

200万优质内容无限畅学
深度学习从入门到精通：保姆级教程来啦
大雨的博客
07-05 1350
我们首先了解了深度学习的基本概念，明白了它是如何通过神经网络来模拟人类大脑的学习过程，从而实现对数据的智能处理。接着，我们深入探讨了深度学习的核心原理，包括神经网络的结构、激活函数的作用、损失函数的计算以及优化算法的选择等。这些知识是我们理解和应用深度学习的基石，只有掌握了它们，我们才能更好地构建和训练深度学习模型。
【论文阅读】Learning Transferable Architectures for Scalable Image Recognition
qq_44633016的博客
01-28 1967
Learning Transferable Architectures for Scalable Image Recognition是对NAS（也是Google Brain的）的改进
Learning Transferable Architectures for Scalable Image Recognition
06-02
Learning Transferable Architectures for Scalable Image Recognition
Learning Transferable Architectures for Scalable Image Recognition论文简述
weixin_42638415的博客
03-19 3247
本文是谷歌在2018年提出的一篇神经网络结构最优搜索的论文 本文的核心思想是基于一篇Neural Architecture Search With Reinforcement Learning，的优化和改进。 我们知道在深度学习任务比如图像识别，图像分类中模型结构是非常关键的，比如VGG，ResNet，DenseNet等在网络结构的设计。但是，这种人为设计的结构就一定好么？不一定，因此希望能通过一个神经网络来按照一定策略学习得到最佳的网络结构。 首先，先简单说一说Neu...
[深度学习从入门到女装]Learning Transferable Architectures for Scalable Image Recognition
炼丹师
03-06 1667
论文地址：Learning Transferable Architectures for Scalable Image Recognition 这是谷歌大脑的一篇关于神经网络结构最优搜索的论文 在基于Neural Architecture Search (NAS)进行网络结构最优搜索的结构上进行改进，不搜索整个网络的结构，只搜索block（cell）的最优结构，因为目前最流行的网络都是c...
《Learning Transferable Architectures for Scalable Image Recognition》论文阅读笔记
JR_Chan的博客
03-14 630
NASNet  这篇文章出自Google Brain，是对他们之前发表在ICLR2017的论文《Neural Architecture Search with Reinforcement Learning》的改进，而这篇文章则发表在了CVPR 2018。原文可见Learning Transferable Architectures for Scalable Image Recognition。 ...
【读点论文】NASNet:Learning Transferable Architectures for Scalable Image Recognition以模块为单位进行，模型是维度变化的技术
最新发布
白水空空
01-21 1268
这篇论文由Google Brain团队撰写，主要研究如何通过神经架构搜索（NAS）直接在数据集上学习模型架构。论文的核心贡献是设计了一个新的搜索空间（NASNet搜索空间），使得在小数据集上学习到的架构可以迁移到更大的数据集上。这篇文章提出了在小数据（CIFAR-10）上学习一个网络单元（Cell），然后通过堆叠更多的这些网络单元的形式将网络迁移到更复杂，尺寸更大的数据集上面。因此这篇文章的最大贡献便是介绍了如何使用强化学习学习这些网络单元。
《Learning Transferable Architectures for Scalable Image Recognition》翻译
ShaneneD的博客
04-14 1868
原文：https://arxiv.org/abs/1707.07012Learning Transferable Architectures for Scalable Image RecognitionBarret ZophGoogle Brainbarretzoph@google.comAbstractDeveloping neural network image classification ...
【NasNet】《Learning Transferable Architectures for Scalable Image Recognition》
bryant_meng
07-23 664
CVPR-2018 文章目录1 Background and Motivation2 Advantages / Contributions3 Notions / Innovations4 Method5 Datasets6 Experiments7 Conclusion / Future work 1 Background and Motivation 2 Advantages / Con...
Learning transferable features with deep adaptation networks.pdf
07-28
Learning transferable features with deep adaptation networks.pdf，仅能供参考
Learning Transferable Architectures for Scalable image recognition
liguandong
03-19 3504
Learning Transferable Architectures for Scalable image recognition 网络结构设计 Abstract: As this approach is expensive when the dataset is large,we propose to search for an architectural building block o...
NASNet：Learning Transferable Architectures for Scalable Image Recognition
just
01-04 287
本文研究了一种直接在感兴趣的数据集上学习模型架构的方法。由于这种方法在数据集较大时成本较高，因此建议在小数据集上搜索架构构建block，然后将该block转移到更大的数据集上。本文贡献：设计了一个新的搜索空间(称为“NASNet搜索空间”)，实现了可移植性，搜索出的网络架构称为"NASNet"；本文工作受NAS启发，NAS或任何其他搜索方法直接应用于大型数据集(如ImageNet数据集)，计算成本很高；本文建议在一个小型数据集上搜索，迁移到大型数据集，通过设计一个搜索空间来实现这种可移植性；
NasNet：Learning transferable architectures for scalable image recognition——用于可扩展图像识别的可迁移架构学习
Together_CZ的博客
11-14 1249
NasNet：Learning transferable architectures for scalable image recognition——用于可扩展图像识别的可迁移架构学习
[翻译分享]Learning Transferable Architectures for Scalable Image Recognition
u010184042的博客
11-21 1762
[翻译分享]Learning Transferable Architectures for Scalable Image Recognition https://arxiv.org/pdf/1707.07012.pdf
NLP论文笔记1：Neural Architectures for Named Entity Recognition
老笨妞
12-26 6931
看这一篇论文的主要目的是看BILSTM-CRF模型，对于实际应用，CRF看分词、BILSTM-CRF做NER，接下来通过BILSTM-CNN-CRF做序列标注，NLP几个基本的应用也差不多了，句法分析貌似比较复杂，留作以后吧。********************开始论文吧****************一.叙述命名实体识别一直是更具挑战性的NLP应用，为什么更具挑战呢？原因有两方面，一方面，可用
自学网络结构（二）：Learning Transferable Architectures for Scalable Image Recognition
AI之路
11-13 5727
论文：Learning Transferable Architectures for Scalable Image Recognition 链接：https://arxiv.org/abs/1707.07012Google Brain的作品，关于用神经网络学习另一个神经网络的结构。我们知道现在图像分类、检测算法的优劣很大一部分取决于网络结构的设计，最近今年比较优秀的分类网络结构比如VGG，ResN
learning transferable optimizers
12-23
学习可传递的优化器是指通过学习来构建一种能够适用于不同问题和领域的优化器。传统的优化算法通常需要对特定问题进行调优和适应，而学习可传递的优化器则可以通过学习来获取一种更加通用的优化策略，从而能够在不同...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值