计算机辅助设计与图形学学报

作者：周鹏, 杨军

关键词：神经网络架构搜索, 三维点云, 深度学习, 模型分类, 图卷积网络

针对可微架构搜索方法存在的离散化误差、更新不平衡、跳跃连接富集等问题,提出一种基于资源平衡的网络架构搜索方法.首先,通过资源平衡型渐进式剪枝法裁剪对性能提升贡献较小的弱操作;其次,为使架构搜索过程中各操作具有单独的权重,能够体现出每个操作对超网性能的贡献,将架构搜索过程中各操作算子之间的竞争关系改为先合作、后竞争的关系;最后,对候选操作添加高斯噪声以抑制跳跃连接的不公平竞争优势.在三维点云数据集ModelNet和二维图像数据集CIFAR-10进行了实验,结果表明所提方法能有效地减小离散化误差,防止跳跃连接富集导致的性能坍塌;与SGAS,NoisyDARTS和人工设计的网络架构相比,所提方法能高效地搜索出帕累托最优网络架构,在三维点云模型分类过程中具有较高的分类准确率.

来源：2022年第5期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2022年第5期