#857
summarized by : Kiro Otsu
MnasNet: Platform-Aware Neural Architecture Search for Mobile

どんな論文か?

モバイル端末における推論速度を考慮したNAS手法の提案。実際にモデルをモバイル端末で実行することで直接レイテンシを計測し、レイテンシが閾値よりも低くなることを制約条件としてACCを最大化するように強化学習でネットワーク探索を行う。層の多様性を高めるためにfactorized hierachicalな探索空間を新たに提案することで探索空間サイズと柔軟性のバランスを取っている。
placeholder

新規性

・精度だけでなく、レイテンシを含めた、multi-objectiveなNASを提案した。 ・層の多様性を高めるためにfactorized hierachicalな探索空間を新たに提案することで探索空間サイズと柔軟性のバランスを取っている。 ・COCO物体検出とImageNetでSOTA

結果

ImageNetでは75.2%で78msレイテンシーをPixel Phoneで達成した。MobileNetV2より1.8倍早く、0.5%精度が高い。NASNetよりは2.3倍早く、1.2%高い制度になった。

その他(なぜ通ったか?等)