Learning transferable architectures for scalable image recognition (CVPR 2018)
-Authors: B. Zoph, V. Vasudevan, J. Shlens, Q. V. Le
-본 논문에서는 Neural Architecture Search(NAS)를 제시하며, 이를 통해 좋은 성능을 내는 뉴럴 네트워크를 만든다. 이는 뉴럴 네트워크가 모든 task에서 우수한 성능을 보여주지만, 이를 설계하기 위해서는 전문적인 지식과 시간이 많이 필요하기 때문이다.
-제시하는 NAS는 자동으로 생성된 child network의 accuracy를 강화학습(reinforcement learning)의 보상(reward)으로 사용하는 RNN 구조이다.
-아래와 그림과 같이 convolution layer로 구성된 네트워크를 만든다고 하면, filter의 개수나 stride 등 여러 hyper-parameter들 중에서 최고의 성능을 보이는 parameter값으로 설정하여 네트워크를 생성한다.
댓글