【CVPR 2020】神经网络架构搜索(NAS)论文和代码汇总
关注上方“深度学习技术前沿”,选择“星标公众号”,
技术干货,第一时间送达!
【导读】今天给大家整理了CVPR2020录用的几篇神经网络架构搜索方面的论文,神经网络架构搜索又称为Neural Architecture Search,简称(NAS)。神经网络架构搜索在这两年比较热门,学术界和国内外知名企业都在做这方面的研究。之后,本公众号后续将出一个NAS方面的专辑,主要包括NAS的发展历程、论文解读和应用场景。希望大家多多关注!
论文汇总
1.Blockwisely Supervised Neural Architecture Search with Knowledge Distillation(该论文在ImageNet数据集进行训练得到了78.4% top-1 accuracy ,比EfficientNet-B0高了2.1%个点)
作者团队:暗物智能、Monash 大学、中山大学
论文链接:https://arxiv.org/abs/1911.13053
2. Semi-Supervised Neural Architecture Search
作者团队:MSRA、中科大
论文链接:https://arxiv.org/abs/2002.10389
代码地址:https://github.com/renqianluo/SemiNAS
3. CARS: Continuous Evolution for Efficient Neural Architecture Search
作者团队:北大、华为诺亚、鹏城实验室、悉尼大学
论文链接:https://arxiv.org/abs/1909.04977
代码(即将开源):https://github.com/huawei-noah/CARS
4. Densely Connected Search Space for More Flexible Neural Architecture Search
论文链接:https://arxiv.org/abs/1906.09607
代码地址:https://github.com/JaminFong/DenseNAS
5. AdversarialNAS: Adversarial Neural Architecture Search for GANs
论文链接:https://arxiv.org/pdf/1912.02037.pdf
代码地址:https://github.com/chengaopro/AdversarialNAS
6. Hit-Detector: Hierarchical Trinity Architecture Search for Object Detection
作者团队:北大、华为诺亚、悉尼大学
论文链接:https://arxiv.org/pdf/2003.11818.pdf
代码地址:https://github.com/ggjy/HitDet.pytorch
7. AOWS: Adaptive and optimal network width search with latency constraints
论文链接:https://arxiv.org/abs/2005.10481
代码地址:https://github.com/bermanmaxim/AOWS
8. MTL-NAS: Task-Agnostic Neural Architecture Search towards General-Purpose Multi-Task Learning
论文:https://arxiv.org/abs/2003.14058
代码:https://github.com/bhpfelix/MTLNAS
9. Neural Architecture Search for Lightweight Non-Local Networks
论文:https://arxiv.org/abs/2004.01961
代码:https://github.com/LiYingwei/AutoNL
10. SGAS: Sequential Greedy Architecture Search
作者团队:KAUST, Intel
论文链接:https://arxiv.org/pdf/1912.00195.pdf
代码地址:https://www.deepgcns.org/auto/sgas
11. GreedyNAS: Towards Fast One-Shot NAS with Greedy Supernet
作者团队:商汤、清华、Dian、华科
论文链接:https://arxiv.org/abs/2003.11236
12. FBNetV2: Differentiable Neural Architecture Search for Spatial and Channel Dimensions(UC Berkley, Facebook)
论文链接:https://arxiv.org/abs/2004.05565
代码地址:https://github.com/facebookresearch/mobile-vision
13. MiLeNAS: Efficient Neural Architecture Search via Mixed-Level Reformulation
作者团队:南加州、腾讯、港中文、港科大
论文链接:https://arxiv.org/abs/2003.12238
代码地址:https://github.com/chaoyanghe/MiLeNAS
14. Designing Network Design Spaces
作者团队:Facebook FAIR(何凯明团队)
论文链接:https://arxiv.org/abs/2003.13678
15. Search to Distill: Pearls are Everywhere but not the Eyes
作者团队:Google,港中文
论文链接:https://arxiv.org/abs/1911.09074
16. EcoNAS: Finding Proxies for Economical Neural Architecture Search
作者团队:悉尼大学,南洋理工,商汤
论文链接:https://arxiv.org/abs/2001.01233
17.DSNAS: Direct Neural Architecture Search without Parameter Retraining
作者团队:港中文、UCLA、剑桥、商汤
论文链接:https://arxiv.org/abs/2002.09128
18.MobileDets: Searching for Object Detection Architectures for Mobile Accelerators
论文作者:谷歌、威斯康星大学麦迪逊分校
论文链接:https://arxiv.org/abs/2004.14525
19. Rethinking Performance Estimation in Neural Architecture Search
论文:https://arxiv.org/abs/2005.09917
代码:https://github.com/zhengxiawu/rethinking_performance_estimation_in_NAS
解读1:https://www.zhihu.com/question/372070853/answer/1035234510
解读2:https://zhuanlan.zhihu.com/p/111167409
20. When NAS Meets Robustness: InSearchof RobustArchitecturesagainst Adversarial Attacks
作者团队:港中文、 MIT
论文链接:https://arxiv.org/abs/1911.10695
代码地址:https://github.com/gmh14/RobNets
NAS系列文章
(点击标题可跳转阅读)
50+篇《神经架构搜索NAS》2020论文合集
【AAAI 2020】NAS+目标检测:SM-NAS 论文解读
谷歌 NAS + 目标检测:SpineNet论文详解
比可微架构搜索DARTS快10倍,第四范式提出优化NAS算法
重磅!DLer-NAS交流群已成立!
欢迎各位Cver加入NAS微信交流群,本群旨在交流模型压缩/量化/剪枝、NAS、迁移学习、自监督学习、无监督学习、元学习等内容。欢迎对这些研究方向感兴趣的小伙伴加群一起交流学习!
加群请备注:研究方向+学校/公司+昵称(如NAS+上交+小明)
???? 长按识别添加,邀请您进群!
【CVPR 2020】神经网络架构搜索(NAS)论文和代码汇总相关推荐
- 单机玩转神经网络架构搜索(NAS) - Auto-Keras学习笔记
介绍 AutoML这个topic在机器学习领域越来越火,新的研究成果也是层出不穷.在网络架构(NAS),模型压缩(AMC),数据增强(AutoAugment),优化器设计(Neural Optimiz ...
- 神经架构搜索(NAS)2020最新综述:挑战与解决方案
终于把这篇NAS最新的综述整理的survey放了上来,文件比较大,内容比较多.这个NAS的survey是A Comprehensive Survey of Neural Architecture Se ...
- ICCV NAS Workshop 最佳论文提名:通过层级掩码实现高效神经网络架构搜索
点击我爱计算机视觉标星,更快获取CVML新技术 机器之心发布 作者:Faen Zhang.Mi Zhang等 本文介绍了由创新奇智公司联合密歇根州立大学合作开发的高效神经网络架构搜索算法 HM-NAS ...
- 论文解读 Search to Distill: Pearls are Everywhere but not the Eyes,神经网络架构搜索+知识蒸馏
目录 Search to Distill: Pearls are Everywhere but not the Eyes Motivation Method Experiments 结论 Search ...
- ICLR 2021 | 美团AutoML论文:鲁棒的神经网络架构搜索 DARTS-
高质量模型的设计和更新迭代是当前 AI 生产开发的痛点和难点,在这种背景下,自动化机器学习(AutoML)应运而生.2017年,谷歌正式提出神经网络架构搜索(Neural Architecture S ...
- 自动化机器学习(三)神经网络架构搜索综述(NAS)简述
文章目录 技术介绍 简介 技术栈 实现 数据 数据读取 创建模型并训练 模型预测与评估 模型的导出 技术介绍 简介 自动化机器学习就是能够自动建立机器学习模型的方法,其主要包含三个方面:方面一,超参数 ...
- 神经网络架构搜索(NAS)综述 | 附AutoML资料推荐
本文是一篇神经网络架构搜索综述文章,从 Search Space.Search Strategy.Performance Estimation Strategy 三个方面对架构搜索的工作进行了综述,几 ...
- 神经网络架构搜索(NAS)综述
在阅读近期的CVPR2019时,看到一篇比较亮眼的图像分割论文.来自斯坦福 Li Fei-Fei组(Auto-deeplab),关于利用NAS策略进行图像分割,达到了较优的水平,仅仅比deeplabv ...
- 神经网络架构搜索(NAS)基础
网络架构搜索(NAS)已成为机器学习领域的热门课题.商业服务(如谷歌的AutoML)和开源库(如Auto-Keras[1])使NAS可用于更广泛的机器学习环境.在这篇博客文章中,我们主要探讨NAS的思 ...
最新文章
- opencv4版本和3版本_世界名曲鸽子最好听的3个版本,美醉了!
- VTK:定向箭头用法实战
- AttributeError系列之:AttributeError: 'tuple' object has no attribute 'shape'
- 【转】“线程间操作无效: 从不是创建控件的线程访问它”
- micopython 18b20_[MicroPython]stm32f407控制DS18B20检测温度
- quercus mysql_让PHP运行在Glassfish中:quercus配置
- tensorflow超参数优化_机器学习模型的超参数优化
- 5-1计算机视觉的基本概念
- UI设计素材干货|分页符(指示器)各类型特点,可临摹的好模板
- python 闯关之路二(模块的应用)
- NDoc使用简要手册增加了例子代码
- 含泪推荐5款实用又小巧的PC软件
- Python快捷键大全(PyCharm常用)
- [转]Linux下的虚拟光驱和虚拟软驱
- DHCP八种报文详解
- java根据ip获取定位(实用粗略定位)
- android cpu过高的原因,关于android 进程CPU占用率高的原因分析
- 如何才能修炼成一名不可替代的程序员?
- 科研新手该如何找到合适的文献?| 开启科研之路(王威教授)
- k8s_难产的ingress架构初体验(一)