VALSE 论文速览 第92期：基于最大熵原理的目标检测搜索方法MAE-Det ...

论文题目：基于最大熵原理的目标检测搜索方法MAE-Det

作者列表：孙振鉷 (阿里巴巴达摩院)，林铭 (阿里巴巴达摩院)，孙修宇 (阿里巴巴达摩院)，谭志羽 (阿里巴巴达摩院)，李昊 (阿里巴巴达摩院)，金榕 (阿里巴巴达摩院)

B站观看网址：

https://www.bilibili.com/video/BV1cd4y1K77x/

论文摘要：

这篇文章提出一种基于最大熵原理的目标检测搜索方法：MAE-Det。该方法通过计算最大特征的最大熵来代表网络的表达能力，代替训练网络来评估模型的最后性能，同时我们设计了多级维度的最大熵来适配检测任务的不同尺度下的表达能力。Training-free的策略将我们的搜索成本降低接近零，在相同的FLOPs预算下，MAE-Det可以为目标检测设计更好的特征提取器。在仅仅一天的GPU全自动设计，MAE-DET在多个检测基准数据集上刷新了检测主干网络的SOTA性能。与ResNet-50主干相比，在使用相同数量的FLOP和参数下，MAE-DET在mAP中的性能提高了+2.0%；在相同的mAP下，在NVIDIA V100上的推理速度提升1.54倍。

论文信息：

[1] Sun, Z., Lin, M., Sun, X., Tan, Z., Li, H., & Jin, R. (2022, June). MAE-DET: Revisiting Maximum Entropy Principle in Zero-Shot NAS for Efficient Object Detection. In International Conference on Machine Learning (pp. 20810-20826). PMLR.

论文链接：

[https://arxiv.org/abs/2111.13336]

代码链接：

[https://github.com/alibaba/lightweight-neural-architecture-search]

知乎讲解：

https://zhuanlan.zhihu.com/p/528057914

视频讲者简介：

孙振鉷，阿里巴巴达摩院高级算法工程师，研究方向为计算机视觉和图像处理，目前专注于TinyML的网络结构设计 (NAS)，研究Training-Free的NAS方法在不同视觉任务中的应用，设计开源了LightNAS的工具箱，Git地址：https://github.com/alibaba/lightweight-neural-architecture-search

特别鸣谢本次论文速览主要组织者：

月度轮值AC：冯尊磊 (浙江大学)，徐易 (大连理工大学)

季度责任AC：张姗姗 (南京理工大学)