一种面向混合CNN-Transformer架构的多目标深度神经网络架构搜索方法

本发明公开了一种面向混合CNN‑Transformer架构的多目标深度神经网络架构搜索方法，通过多目标演化算法在种群级别上并行生成并迭代优化候选网络，对网络结构的不同模块组合及参数配置进行系统探索。同时以模型精度和推理速度为目标函数，逐步逼近最适合特定应用场景的高效架构。本发明方法通过不断试验和评估不同的网络架构，快速找到高效的模型结构，避免了人力成本和试错过程中的低效。本发明通过自适应调整CNN与Transformer的融合方式，使得模型在多样化的图像特征和复杂的场景中保持较高的准确率和较低的计算开销。这一创新的混合架构和演化优化方法，为深度神经网络自动化设计提供了新思路。