基于特征增强知识蒸馏的目标检测压缩算法

doi:10.13873/J.1000-9787(2024)05-0116-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于特征增强知识蒸馏的目标检测压缩算法

更新时间：2025-09-11

- 基于特征增强知识蒸馏的目标检测压缩算法
- Issue 5, Pages: 116-120(2024)
- 作者机构：
  
  西南交通大学机械工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2024)05-0116-05
  CLC： TP391.41
- Published：2024
- 稿件说明：
移动端阅览
[J]. 2024, (5): 116-120.
DOI：

[J]. 2024, (5): 116-120. DOI： 10.13873/J.1000-9787(2024)05-0116-05.

摘要

本文提出一种基于特征增强知识蒸馏的目标检测压缩算法(ODCA)。首先，使用坐标注意力增强教师网络中间层特征对前景目标的表征能力；然后，采用二进制掩码在空间上区分前景和背景，并定义带权重的空间信息损失以平衡前景和背景特征蒸馏强度；最后，使用卷积操作统一教师和学生网络通道数，构造通道信息损失学习特征的通道间分布信息。在Pascal VOC数据集上的实验结果表明，所提算法将学生网络的平均精度均值从68.3%提高至75.7%。

Abstract

关键词

Keywords

references

Ren Shaoqing,He Kaiming,Girshick Ross,Sun Jian.Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.[J].IEEE transactions on pattern analysis and machine intelligence,2017.

Sergey Zagoruyko,Nikos Komodakis.Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer.[J].CoRR,2016.

Geoffrey E. Hinton,Oriol Vinyals,Jeffrey Dean.Distilling the Knowledge in a Neural Network.[J].CoRR,2015.

Adriana Romero,Nicolas Ballas,Samira Ebrahimi Kahou,Antoine Chassang,Carlo Gatta,Yoshua Bengio.FitNets: Hints for Thin Deep Nets.[J].CoRR,2014.

黄震华,杨顺志,林威,倪娟,孙圣力,陈运文,汤庸.知识蒸馏研究综述[J].计算机学报,2022(03).

郝宸,田瑾,韩华,吴飞,李洪芹.基于注意力机制的实时性抓取检测算法[J].传感器与微系统,2022(01).

赵丽君,周永军,汤小红,蒋淑霞,董寅宾,廖慕钦.无人驾驶深度学习模型组合剪枝算法[J].传感器与微系统,2021(03).

Views

398

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进SSD的车内宠物遗落检测方法

基于V5CA与几何特征的运动物体目标检测及位姿估计方法

基于YOLOX的QFN芯片表面缺陷检测技术研究

基于深度学习的蚕茧智能分选方法

基于深度学习的电解电容识别与极性检测

Related Author

潘溢洲

吴恩启

段函作

寇嘉铭

常乾坤

袁杰

段成龙

赵瑛瑛

Related Institution

上海理工大学机械工程学院

新疆大学电气工程学院

桂林理工大学机械与控制工程学院

广西高校先进制造与自动化技术重点实验室(桂林理工大学)

安徽职业技术学院现代服装学院

⁰