Główne pojęcia
CSCO는 합성곱 연산자의 밀집 연결성을 자동으로 탐색하여 효과적인 CNN 아키텍처를 설계한다.
Streszczenie
CSCO는 CNN 아키텍처의 핵심 구성 요소인 건물 블록(building cell)의 연결성을 효과적으로 탐색하는 새로운 패러다임을 제안한다. 기존 CNN 아키텍처 설계는 주로 체인 구조에 초점을 맞추었지만, CSCO는 건물 블록 내부의 다양한 합성곱 연산자 간 밀집 연결성을 탐색한다.
CSCO는 건물 블록을 방향성 비순환 그래프(DAG)로 표현하고, 각 DAG 내부의 연결성을 최적화한다. 이를 위해 CSCO는 두 가지 핵심 기술을 도입한다:
- 그래프 동형성(Graph Isomorphism): 동형 그래프 간 성능 정보를 활용하여 예측기의 샘플 효율성을 높인다.
- 메트로폴리스-헤이스팅스 진화 탐색(MH-ES): 지역 최적해에 빠지지 않고 전역 최적해를 찾기 위한 진화 탐색 알고리즘을 제안한다.
CSCO는 ImageNet 벤치마크에서 기존 수작업 및 NAS 기반 CNN 아키텍처 대비 약 0.6%의 성능 향상을 달성했다.
Statystyki
CSCO는 ImageNet 데이터셋에서 기존 수작업 및 NAS 기반 CNN 아키텍처 대비 약 0.6%의 정확도 향상을 달성했다.
CSCO는 CIFAR-10 데이터셋에서 기존 DARTS 계열 모델 대비 최대 0.2%의 정확도 향상을 보였다.
Cytaty
"CSCO는 합성곱 연산자의 밀집 연결성을 자동으로 탐색하여 효과적인 CNN 아키텍처를 설계한다."
"CSCO는 그래프 동형성과 메트로폴리스-헤이스팅스 진화 탐색 기술을 통해 지역 최적해에 빠지지 않고 전역 최적해를 찾는다."