17일 전
이미지 분류를 위한 DARTS의 피니테이닝
Muhammad Suhaib Tanveer, Muhammad Umar Karim Khan, Chong-Min Kyung

초록
신경망 아키텍처 탐색(Neural Architecture Search, NAS)은 우수한 분류 성능으로 인해 주목받고 있다. 차분 아키텍처 탐색(Differential Architecture Search, DARTS)은 계산 비용이 낮은 방법으로 평가되고 있으나, 계산 자원을 제한하기 위해 다수의 근사치를 사용한다. 이러한 근사치는 성능 저하를 초래한다. 본 연구에서는 이러한 근사치에 영향을 받지 않는 고정된 연산을 활용하여 DARTS를 미세 조정하는 방법을 제안한다. 제안한 방법은 파라미터 수와 분류 정확도 사이에서 우수한 균형을 제공한다. 기존 최고 성능 기법 대비, 패션-MNIST, CompCars, MIO-TCD 데이터셋에서 각각 0.56%, 0.50%, 0.39%의 상위-1 정확도 향상을 달성하였다. 또한 DARTS 대비 각각 CIFAR-10, CIFAR-100, Fashion-MNIST, CompCars, MIO-TCD 데이터셋에서 0.28%, 1.64%, 0.34%, 4.5%, 3.27%의 정확도 향상을 기록하며, 더 우수한 성능을 보였다.