近些年来，以深度神经网络为代表的深度学习技术在计算机视觉领域取得了一系列突破性进展，在图像识别、人脸识别等一些任务中甚至已经超越了人类的表现，取得的种种卓越成就很大程度得益于新神经网络结构的出现。但它依赖人类专家的经验和专业知识，且需反复实验，故而计算成本也较高。随着物联网的蓬勃发展，以智能手机和无人车为代表的嵌入式设备对图像理解算法的实时性也有较高要求。尽管深度神经网络在很多图像理解任务上有着非常优越的性能优势，但是昂贵的计算代价使其难以大规模应用到生产和生活场景中。因此，如何根据不同任务设计与之相匹配的高效神经网络结构是一个重要的研究课题，本文围绕神经网络结构搜索算法和高效图像理解应用的实际需求开展以下创新性研究，具体贡献概括如下：

提出循环可微分神经网络结构搜索算法。 可微分搜索算法相较传统神经网络搜索算法具有极高的搜索效率。在搜索过程中，可微分搜索算法会率先在浅层搜索网络中找到一个最佳结构，然后再根据该最佳结构构建深度的评测网络。这种方式会使搜索和评测过程独立，从而使搜索到的结构性能表现较差。针对如上问题，本文提出循环可微分搜索算法。该算法在搜索网络和评测网络之间构建信息反馈通路：首先，搜索网络产生一个初始结构，而后基于该结构构建出评测模型；其次，将训练好的评测模型作为老师模型，再结合有监督的标签训练搜索模型，循环以上过程直至收敛。这种方式可以实现搜索模型和评测模型的联合优化，缓解可微分搜索中因搜索和评测模型独立优化带来的问题，并在图像分类的多个数据集中验证了该算法的有效性。

提出基于采样的自蒸馏神经网络结构搜索算法。 基于采样的一次性神经网络结构搜索算法由于在超网中使用了权重共享策略大幅缩短了网络结构性能评测时间，但权重共享也会导致超网中的每个子网络参数高度耦合，使得超网中的子网络无法得到充分训练，导致评测时的子网络性能并不能反应其真实性能，进而影响搜索效率。由此本文提出自蒸馏神经网络结构搜索算法，该算法在训练过程中动态选择性能最优子网络作为老师模型指导超网的训练，从而缓解了因超网训练不充分导致的搜索效率低下问题，并在图像分类、目标检测和语义分割中验证了该算法的有效性。

提出基于神经网络结构搜索的文本检测跟踪算法。 传统神经网络结构搜索算法一般是在图像分类任务上进行搜索，然后再将搜索到的网络结构迁移到不同的图像理解任务中。面向单个非目标任务的搜索可能会导致搜索不到最适合的网络结构，且无法充分利用多个任务的监督信息。本文面向视频文本检测任务，提出端到端视频文本检测跟踪模型搜索算法，该算法的特征描述子模块实现了检测和跟踪两个任务的联合建模，在此基础上再进行主干网络结构搜索可进一步提升模型性能。

提出面向图像分割的多目标多分支神经网络结构搜索算法。 传统神经网络结构搜索算法的搜索空间往往只包含单个分支模型，且搜索算法只有性能优化目标，如此会局限搜索到的模型应用场景，降低搜索算法效率。本文面向分割任务提出适应分割任务的新型搜索空间，该搜索空间包含轻量级自注意力算子和轻量级卷积算子，且可以搜索不同分辨率分支之间的各种组合。此外，该算法是多目标搜索算法，包含模型推理速度、模型大小和性能。与之前的搜索算法相比，该算法搜索到的是在帕累托边界的小、中、大等一系列不同分支的模型，因此在实际应用中更加灵活。

基于上述创新型研究，本文提出的神经网络结构搜索算法在多个图像理解任务公开数据集中都取得了当时最好或者领先的精度指标。其次，本文对模型结构的计算效率进行了重点关注，算法设计的网络结构在计算量和运行速度方面相较其他方法都有显著优势。最后，本文的算法和创新结果也可拓展到更多基于深度神经网络的机器学习任务中，以进一步提升目标任务的性能或降低其计算量。