面向语义分割机器视觉的AutoML方法

作者：刘桂雄^*; 黄坚; 刘思洋; 廖普

来源：激光杂志, 2019, 40(06): 1-9.

DOI：10.14016/j.cnki.jgzz.2019.06.001

• 机器视觉
• 语义分割
• 自动机器学习
• 超参数优化
• 迁移学习
• 神经架构搜索

自动机器学习(Automatic Machine Learning,AutoML)可实现语义分割,使机器学习大部分步骤自动化。针对面向超参数优化、迁移学习、神经架构搜索等方法的算法思想、优化对象、实现技术、技术指标、应用效果及场景,结合语义分割的机器学习超参数多、数据集规模较小、标注工作量大等问题,指出超参数优化、迁移学习、神经架构搜索分别有助于提升训练效率、降低样本标注工作量、自动构建专用卷积神经网络,若AutoML与机器视觉相结合可赋予系统自学习、快速更换检测对象和解决特别复杂任务等特性。

• 单位
  华南理工大学