17 天前

用于图像分类的DARTS微调

Muhammad Suhaib Tanveer, Muhammad Umar Karim Khan, Chong-Min Kyung
用于图像分类的DARTS微调
摘要

神经架构搜索(Neural Architecture Search, NAS)因其卓越的分类性能而受到广泛关注。差分架构搜索(DARTS)是一种计算开销较低的方法,但为节省计算资源,DARTS引入了多项近似处理,这些近似导致其性能下降。为此,我们提出一种基于固定操作的DARTS微调方法,这些固定操作不受上述近似的影响。所提方法在参数量与分类准确率之间实现了良好的权衡。相较于当前最优方法,该方法在Fashion-MNIST、CompCars和MIO-TCD数据集上的Top-1准确率分别提升了0.56%、0.50%和0.39%。同时,该方法在性能上优于原始DARTS,在CIFAR-10、CIFAR-100、Fashion-MNIST、CompCars和MIO-TCD数据集上,准确率分别提升了0.28%、1.64%、0.34%、4.5%和3.27%。