NAS-PED:神经架构搜索用于行人检测
概括
这项研究介绍了NAS-PED,这是一个用于行人检测的新型神经架构搜索 (NAS) 框架. 它自动设计混合卷积神经网络 (CNN) 和视觉转换器 (ViT) 骨架,在拥挤的场景中提高性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 在拥挤的场景中检测行人面临着诸如阻塞和密集边界预测等挑战.
- 卷积神经网络 (CNN) 优于局部特征,而视觉转换器 (ViT) 捕捉全球依赖.
- 结合CNN和ViT是有益的,但手动设计是资源密集的.
研究的目的:
- 提出第一个神经架构搜索 (NAS) 框架,NAS-PED,用于自动设计混合CNN-ViT骨干,用于拥挤的行人检测.
- 解决单个CNN和ViT在处理密集的行人场景中的阻塞和局部特征细节方面的局限性.
主要方法:
- 开发了NAS-PED,这是一个统一变压器和卷积器的框架,用于不受约束的混合网络搜索空间.
- 引入了基于信息瓶的NAS目标功能,以优化搜索过程中的信息提取.
- 制定了各种内核大小的变压器和卷积器,以兼容的格式进行多种混合网络探索.
主要成果:
- 在CrowdHuman,CityPersons和EuroCity Persons数据集上,NAS-PED取得了显著的改进.
- 与CrowdHuman上的最先进的方法相比,已经证明了4.0%的MR和1.9%的AP的绝对收益.
- 搜索的骨干在各个子集中始终提高了性能,并且在CityPersons和EuroCity Persons上表现优于大型语言图像预训练模型.
结论:
- NAS-PED有效地自动化了混合CNN-ViT架构的设计,用于拥挤的行人检测.
- 拟议的NAS框架为开发强大的行人检测系统提供了更有效的方法.
- 该方法在各种数据集和具有挑战性的场景中显示出强大的概括能力.
相关概念视频
01:20Parallel Processing
143
The brain processes sensory information rapidly due to parallel processing, which involves sending data across multiple neural pathways at the same time. This method allows the brain to manage various sensory qualities, such as shapes, colors, movements, and locations, all concurrently. For instance, when observing a forest landscape, the brain simultaneously processes the movement of leaves, the shapes of trees, the depth between them, and the various shades of green. This enables a quick and...
143
01:24Vision
52.9K
Vision is the result of light being detected and transduced into neural signals by the retina of the eye. This information is then further analyzed and interpreted by the brain. First, light enters the front of the eye and is focused by the cornea and lens onto the retina—a thin sheet of neural tissue lining the back of the eye. Because of refraction through the convex lens of the eye, images are projected onto the retina upside-down and reversed.
52.9K