Алгоритм для создания карт глубины для устройств с ограниченными ресурсами

В последние годы глубокое обучение показало превосходную производительность при выполнении различных сложных задач, таких как распознавание и классификация объектов. Однако, учитывая, что методы, основанные на глубоком обучении, достигли почти идеальной точности, большинство из них разработаны вручную людьми, которые являются экспертами в целевой области. Другими словами, создание хорошей модели-это трудоемкая и трудоемкая задача. Но сегодня спрос на приложения, стимулирующие машинное обучение, постоянно растет, и для их создания требуется больше людей. Оценка карты глубины является важной задачей компьютерного зрения и применяется для нескольких важных задач, таких как самостоятельное вождение. Тем не менее, модели оценки глубины глубокого обучения дали многообещающие результаты, все они, как правило, требуют высоких вычислительных устройств для работы. Таким образом, необходимо срочно решить эту проблему и предложить модель для устройств с ограниченными ресурсами, таких как беспилотные летательные аппараты, мобильные устройства и т.д. Поиск нейронной архитектуры-это новая точка обсуждения в сообществах промышленности и ученых. Важность поиска нейронной архитектуры заключается в том, что он позволяет автоматизировать процесс проектирования нейронных архитектур без знания области. В этом проекте я и мой руководитель попытались изучить поиск нейронной архитектуры и применить его к задаче оценки глубины для создания нового архитектурного дизайна.