BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 利用神经架构搜索的方法提高主要任务性能
- 在推理成本不变的前提下，使用独立辅助任务的额外标签
- 采用柔性的非对称结构进行主任务和辅助任务的训练和推理
- 通过演化网络中的主到辅助连接，去除单任务推理成本
- 在NYU v2、CityScapes和Taskonomy数据集上进行了实验
- 使用VGG、ResNet和ViT等主干网络验证了方法的性能
➡️
