HyperAIHyperAI
il y a 11 jours

Recherche de tissus neuronaux

Sen Yang, Wankou Yang, Zhen Cui
Recherche de tissus neuronaux
Résumé

Les technologies de recherche d’architecture neuronale (Neural Architecture Search, NAS) se sont répandues dans de nombreux domaines afin d’apprendre conjointement les architectures et les poids des réseaux neuronaux. Toutefois, la plupart des travaux existants en NAS affirment être spécifiques à une tâche et se concentrent uniquement sur l’optimisation d’une seule architecture pour remplacer un réseau neuronal conçu manuellement ; en réalité, leurs processus de recherche sont presque indépendants des connaissances spécifiques au domaine de la tâche. Dans cet article, nous proposons une nouvelle méthode appelée Pose Neural Fabrics Search (PoseNFS). Nous explorons une nouvelle approche pour la NAS appliquée à la tâche d’estimation de posture humaine : la recherche d’architecture neuronale spécifique aux parties du corps, qui peut être considérée comme une variante de l’apprentissage multi-tâches. Premièrement, nous concevons un nouvel espace de recherche d’architecture neuronale, nommé Cell-based Neural Fabric (CNF), permettant d’apprendre à la fois les architectures micro et macro via une stratégie de recherche différentiable. Ensuite, nous considérons la localisation des points clés humains comme plusieurs sous-tâches de prédiction déconnectées, et utilisons les connaissances a priori sur la structure du corps humain comme guide pour rechercher plusieurs architectures neuronales spécifiques à différentes parties du corps. Après la phase de recherche, chacune de ces CNFs spécifiques aux parties possède des paramètres d’architecture micro et macro distincts. Les résultats montrent que ces architectures basées sur la NAS guidée par des connaissances offrent une amélioration significative par rapport à un modèle de référence basé sur une approche partagée conçue manuellement. Les expériences menées sur les jeux de données MPII et MS-COCO démontrent que PoseNFS\footnote{Le code est disponible à l’adresse \url{https://github.com/yangsenius/PoseNFS}} atteint des performances comparables à celles de certaines méthodes efficaces et de pointe.

Recherche de tissus neuronaux | Articles de recherche récents | HyperAI