知识蒸馏和特征融合相结合的目标检测算法
赵文清1
陈帅领2
王继发2
1.华北电力大学控制与计算机工程学院 保定 071003;复杂能源系统智能计算教育部工程研究中心 保定 0710032.华北电力大学控制与计算机工程学院 保定 071003
摘要：目前Faster Rcnn是主流的目标检测框架之一,检测精度提升的同时伴随着更深的特征提取网络,但带来的大量的参数和计算开销使得这些算法难以应用在对存储空间和参数量有要求的移动设备上.为了在降低模型复杂度的同时保持与复杂网络相近的性能,论文将知识蒸馏方法用在目标检测框架中的特征提取网络,且为更好提升浅层特征提取网络性能,在知识蒸馏阶段引入了特征融合技术.网络规模相同的情况下,使用该方法的特征提取网络的检测精度比没有经过知识蒸馏的特征提取网络的检测精度高了6.53%.保证检测速度提升的同时,经过蒸馏后浅层网络的精度与复杂网络的精度相差不多,这证明了该方法的有效性.
关键词：目标检测Faster RcnnResNet知识蒸馏特征融合
分类号：TP399(计算技术、计算机技术)
资助基金：中央高校基本科研业务费面上项目(2020MS153)
论文发表日期：2024-02-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 406-410,415 )
英文信息