論文の概要: Searching a Lightweight Network Architecture for Thermal Infrared Pedestrian Tracking

• arxiv url: http://arxiv.org/abs/2402.16570v1
• Date: Mon, 26 Feb 2024 13:48:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 20:40:02.238976
• Title: Searching a Lightweight Network Architecture for Thermal Infrared Pedestrian Tracking
• Title（参考訳）: 熱赤外歩行者追跡のための軽量ネットワークアーキテクチャの探索
• Authors: Peng Gao, Xiao Liu, Yu Wang, Ru-Yue Yuan
• Abstract要約: 本稿では,熱赤外歩行者追跡のための最適ネットワークアーキテクチャを探索する。 単一のボトム細胞と二重ボトム細胞を基本探索ユニットとして使用し、8つのオペレーティング候補を検索空間に組み込んでいる。 その結果、パラメータと計算効率の両方で高性能なネットワークアーキテクチャが実現した。
• 参考スコア（独自算出の注目度）: 15.591965075673416
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Manually-designed network architectures for thermal infrared pedestrian tracking (TIR-PT) require substantial effort from human experts. Neural networks with ResNet backbones are popular for TIR-PT. However, TIR-PT is a tracking task and more challenging than classification and detection. This paper makes an early attempt to search an optimal network architecture for TIR-PT automatically, employing single-bottom and dual-bottom cells as basic search units and incorporating eight operation candidates within the search space. To expedite the search process, a random channel selection strategy is employed prior to assessing operation candidates. Classification, batch hard triplet, and center loss are jointly used to retrain the searched architecture. The outcome is a high-performance network architecture that is both parameter- and computation-efficient. Extensive experiments proved the effectiveness of the automated method.
• Abstract（参考訳）: 熱赤外歩行者追跡(TIR-PT)のための手動設計のネットワークアーキテクチャは、人間の専門家による多大な努力を必要とする。 ResNetバックボーンを持つニューラルネットワークは、TIR-PTで人気がある。 しかし、TIR-PTは追跡タスクであり、分類や検出よりも難しい。 本稿では,TIR-PTの最適ネットワークアーキテクチャを早期に探索し,単ボットセルと二ボットセルを基本探索単位とし,検索空間内に8つの動作候補を組み込む。 探索処理を迅速化するために、操作候補の評価に先立ってランダムチャネル選択戦略を用いる。 分類、バッチハードトリプルト、センターロスは、検索されたアーキテクチャを再訓練するために共同で使用される。 その結果、パラメータと計算効率の両方で高性能なネットワークアーキテクチャが実現した。 広範な実験により、自動化手法の有効性が証明された。

関連論文リスト

• EM-DARTS: Hierarchical Differentiable Architecture Search for Eye Movement Recognition [54.99121380536659]
  眼球運動バイオメトリックスは、高い安全性の識別により注目されている。 深層学習(DL)モデルは近年,眼球運動認識に成功している。 DLアーキテクチャはまだ人間の事前知識によって決定されている。 眼球運動認識のためのDLアーキテクチャを自動設計する階層的微分可能なアーキテクチャ探索アルゴリズムEM-DARTSを提案する。
  論文  参考訳（メタデータ） (2024-09-22T13:11:08Z)
• A Point-Based Approach to Efficient LiDAR Multi-Task Perception [49.91741677556553]
  PAttFormerは、ポイントクラウドにおける共同セマンティックセグメンテーションとオブジェクト検出のための効率的なマルチタスクアーキテクチャである。 他のLiDARベースのマルチタスクアーキテクチャとは異なり、提案したPAttFormerはタスク固有のポイントクラウド表現のために別の機能エンコーダを必要としない。 マルチタスク学習では,mIouでは+1.7%,mAPでは3Dオブジェクト検出では+1.7%,LiDARセマンティックセマンティックセグメンテーションは+1.7%向上した。
  論文  参考訳（メタデータ） (2024-04-19T11:24:34Z)
• OTOv3: Automatic Architecture-Agnostic Neural Network Training and Compression from Structured Pruning to Erasing Operators [57.145175475579315]
  このトピックは、構造化プルーニングからニューラルアーキテクチャサーチまで、さまざまなテクニックにまたがっている。 第3世代のOTOv3(Noth-Train-Once)を導入する。 我々は,構造化プルーニングとニューラルアーキテクチャ探索におけるOTOv3の有効性を実証した。
  論文  参考訳（メタデータ） (2023-12-15T00:22:55Z)
• Understanding and Accelerating Neural Architecture Search with Training-Free and Theory-Grounded Metrics [117.4281417428145]
  この作業は、ニューラルネットワークサーチ(NAS)のための原則的で統一的なトレーニングフリーフレームワークの設計を目標としている。 NASは、高性能ニューラルネットワークの発見を自動化するために爆発的に研究されてきたが、資源消費に悩まされ、しばしば訓練や近似によって探索バイアスを引き起こす。 我々は,検索ネットワークの「TEG」特性を解消し,NASを理解し,加速するための統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-26T17:52:07Z)
• Probeable DARTS with Application to Computational Pathology [44.20005949950844]
  我々は、その効率のために微分可能なアーキテクチャサーチ(DARTS)を使用している。 次に、最適なネットワークアーキテクチャを探索することで、CPathアプリケーションに検索フレームワークを適用します。 その結果,検索したネットワークは,予測精度と複雑性の観点から,最先端ネットワークよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-16T02:16:06Z)
• CHASE: Robust Visual Tracking via Cell-Level Differentiable Neural Architecture Search [14.702573109803307]
  トラッキングモジュールのネットワーク設計を自動化する新しいセルレベル微分可能なアーキテクチャ探索機構を提案する。 提案手法は単純で効率的であり、ネットワークを構築するために一連のモジュールを積み重ねる必要がない。 我々の手法は既存のトラッカーに組み込むことが簡単であり、異なるアーキテクチャ検索手法と追跡対象を用いて実証的に検証されている。
  論文  参考訳（メタデータ） (2021-07-02T15:16:45Z)
• Combined Depth Space based Architecture Search For Person Re-identification [70.86236888223569]
  個人再識別(ReID)のための軽量で適切なネットワークの設計を目指しています。 本研究では,CDNetと呼ばれる効率的なネットワークアーキテクチャの探索に基づく,複合深さ空間(Componed Depth Space, CDS)と呼ばれる新しい検索空間を提案する。 そこで我々はTop-k Sample Search戦略という低コストの検索戦略を提案し、検索空間をフル活用し、局所的な最適結果のトラップを避ける。
  論文  参考訳（メタデータ） (2021-04-09T02:40:01Z)
• Off-Policy Reinforcement Learning for Efficient and Effective GAN Architecture Search [50.40004966087121]
  本稿では,GANアーキテクチャ探索のための強化学習に基づくニューラルアーキテクチャ探索手法を提案する。 鍵となる考え方は、よりスムーズなアーキテクチャサンプリングのためのマルコフ決定プロセス(MDP)として、GANアーキテクチャ探索問題を定式化することである。 我々は,従来の政策によって生成されたサンプルを効率的に活用する,非政治的なGANアーキテクチャ探索アルゴリズムを利用する。
  論文  参考訳（メタデータ） (2020-07-17T18:29:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。