Evolutionary Multi-objective Architecture Search Framework: Application to COVID-19 3D CT Classification

要約

COVID-19のパンデミックは、世界の健康を脅かしています。
多くの研究では、胸部3Dコンピューター断層撮影（CT）に基づいてCOVID-19を認識するために、深層畳み込みニューラルネットワーク（CNN）が適用されています。
最近の研究によると、さまざまな国のCTデータセット間でうまく一般化できるモデルはなく、特定のデータセットのモデルを手動で設計するには専門知識が必要です。
したがって、モデルを自動的に検索することを目的としたニューラルアーキテクチャ検索（NAS）は、魅力的なソリューションになりました。
大規模な3DCTデータセットの検索コストを削減するために、ほとんどのNASベースの作業では、ウェイト共有（WS）戦略を使用して、すべてのモデルがスーパーネット内でウェイトを共有します。
ただし、WSは必然的に検索の不安定性を招き、モデルの推定が不正確になります。
この作業では、効率的な進化的多目的アーキテクチャ検索（EMARS）フレームワークを提案します。
新しい目的、つまりポテンシャルを提案します。これは、有望なモデルを活用して、ウェイトトレーニングに関与するモデルの数を間接的に減らし、検索の不安定さを軽減するのに役立ちます。
精度と可能性の目的の下で、EMARSは活用と探索のバランスをとることができることを示します。つまり、検索時間を短縮し、より良いモデルを見つけることができます。
検索されたモデルは小さく、3つの公開COVID-193DCTデータセットでの以前の作業よりも優れたパフォーマンスを発揮します。

要約(オリジナル)

The COVID-19 pandemic has threatened global health. Many studies have applied deep convolutional neural networks (CNN) to recognize COVID-19 based on chest 3D computed tomography (CT). Recent works show that no model generalizes well across CT datasets from different countries, and manually designing models for specific datasets requires expertise; thus, neural architecture search (NAS) that aims to search models automatically has become an attractive solution. To reduce the search cost on large 3D CT datasets, most NAS-based works use the weight-sharing (WS) strategy to make all models share weights within a supernet; however, WS inevitably incurs search instability, leading to inaccurate model estimation. In this work, we propose an efficient Evolutionary Multi-objective ARchitecture Search (EMARS) framework. We propose a new objective, namely potential, which can help exploit promising models to indirectly reduce the number of models involved in weights training, thus alleviating search instability. We demonstrate that under objectives of accuracy and potential, EMARS can balance exploitation and exploration, i.e., reducing search time and finding better models. Our searched models are small and perform better than prior works on three public COVID-19 3D CT datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google