Aux-NAS: 利用辅助标签的极低额外推理成本
原文中文，约300字，阅读约需1分钟。发表于：。利用神经架构搜索的方法，我们在主要任务的推理成本不变的前提下，通过利用独立辅助任务的额外辅助标签来提高主要任务的性能。这种方法使用柔性的非对称结构对主任务和辅助任务进行训练和推理，通过演化网络中的主到辅助连接，实现了在主任务推理过程中去除这些连接的单任务推理成本。我们的方法在 NYU v2、CityScapes 和 Taskonomy 数据集上使用 VGG、ResNet 和 ViT...
利用神经架构搜索的方法，在主任务推理成本不变的前提下，通过利用独立辅助任务的额外辅助标签来提高主任务性能。使用柔性的非对称结构对主任务和辅助任务进行训练和推理，通过演化网络中的主到辅助连接，在主任务推理过程中去除这些连接的单任务推理成本。在NYU v2、CityScapes和Taskonomy数据集上进行了实验，验证了其有希望的性能。
