NAS-BNN：用于二进制神经网络的神经架构搜索
原文中文，约300字，阅读约需1分钟。发表于：。本研究旨在解决现有二进制神经网络（BNN）架构设计中的性能差距问题。我们提出了一种新型的神经架构搜索方案（NAS-BNN），通过针对BNN独特特性设计搜索空间，并引入三种训练策略来提升超网训练效果和子网性能。实验表明，我们的模型在多个操作条件下超越了以前的BNN，尤其在ImageNet和MS COCO数据集上取得了显著的准确性和检测性能。
本研究提出了一种新型的神经架构搜索方案（NAS-BNN），通过设计搜索空间和引入训练策略，解决了现有二进制神经网络（BNN）架构设计中的性能差距问题。实验证明，该模型在多个操作条件下超越了以前的BNN，在ImageNet和MS COCO数据集上取得了显著的准确性和检测性能。
