A Double Knowledge Distillation Framework for Insulator Defect Detection

doi:10.1109/TII.2025.3594177

A Double Knowledge Distillation Framework for Insulator Defect Detection

2025-08-15

0

PRE

AI

DOI：10.1109/TII.2025.3594177

原文链接

原文求助

摘要

En 中文

绝缘子缺陷检测对于维持可靠的电力输送系统至关重要。近年来，绝缘子图像检测已作为一种有前景的替代传统人工检测的方法出现。然而，现有数据集主要关注目标检测，且当前方法在准确性和计算效率方面常存在局限性。为应对这些挑战，本文开发了一个专门的绝缘子缺陷分割数据集和一个新颖的双知识蒸馏框架，旨在通过轻量级模型实现卓越的检测性能。所提出的方法首先微调一个大规模教师模型。然后，通过第一阶段的蒸馏过程，利用独特的对比学习策略训练一个紧凑的学生模型。与现有直接比较分割掩码的方法不同，我们将教师模型的非提示输出与学生模型生成的输出掩码进行对比，增强了知识转移的粒度，其背后的理论已建立并得到证明。在蒸馏的第二阶段，生成对抗网络促进更深层次的知识蒸馏，其中学生模型生成合成标签，教师模型提供真实标签，并迭代优化学生的能力。实验结果表明，所提出的框架在显著减小模型尺寸的同时，保持了绝缘子缺陷分割领域的高性能。

Keyword:

Contrastive learning

defect detection

generative adversarial networks (GANs)

knowledge distillation

A Double Knowledge Distillation Framework for Insulator Defect Detection

摘要

期刊

机构

引用论文