TrashDet：用于高效废物检测的迭代神经架构搜索
分析
本文介绍了一种名为TrashDet的新框架，用于在边缘和物联网设备上进行废物检测。 迭代神经架构搜索，专注于TinyML约束，是一项重大贡献。 使用Once-for-All风格的ResDets超网和在主干和颈/头优化之间交替进行的进化搜索似乎很有希望。 与现有检测器相比，尤其是在准确性和参数效率方面，性能的提高值得注意。 MAX78002微控制器上的能耗和延迟改进进一步突出了TrashDet在资源受限环境中的实际适用性。 本文对特定数据集（TACO）和微控制器（MAX78002）的关注可能会限制其通用性，但结果在定义的范围内引人注目。
要点
引用 / 来源
查看原文"On a five-class TACO subset (paper, plastic, bottle, can, cigarette), the strongest variant, TrashDet-l, achieves 19.5 mAP50 with 30.5M parameters, improving accuracy by up to 3.6 mAP50 over prior detectors while using substantially fewer parameters."