点云分析自动搜索网络
多任务最优架构
一种可微神经架构搜索方法,能自动为不同点云任务找到在资源约束下的最优网络结构,无需人工调参。
王立 · Tao, Xie · Zhang, Xinyu Newman · Zhiqiang, Jiang · Linqi, Yang · Haoming, Zhang · Xiaoyu, Li · Yilong, Ren · Haiyang, Yu · 李军 · 刘华平
IEEE Transactions on Multimedia 2023
参数信息
- ModelNet40 整体准确率
- 93.9 %
- ScanObjectNN 整体准确率
- 89.1 %
- ShapeNetPart 实例平均 IoU
- 87.1 %
- S3DIS 平均 IoU
- 69.1 %
- ScanNet V2 平均精度 (mAP@0.25)
- 70.4 %
- SUN RGB-D 平均精度 (mAP@0.25)
- 64.4 %
技术优势
免微调部署
训练好的超网使搜索到的子网无需进一步重训练或微调即可表现出色。
搜索空间灵活
引入的集合抽象混合层可沿网络深度和宽度灵活扩展,每个 SAM 层包含众多子候选,简化了架构搜索。
应用场景
- 3D目标检测:自动设计检测网络,省去针对新类别的手工调参时间。
- 点云理解:为分类、分割、检测等任务统一搜索最优架构,降低每项任务的设计门槛。
- 激光雷达感知:可用于激光雷达点云理解任务,自动找到能平衡精度与效率的模型。
相关科技单元