.png){kind=icon}
返回
Balanced knowledge distillation for one-stage object detector
.png){kind=icon}
OA
AI
DOI：10.1016/j.neucom.2022.05.087.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
最新的知识蒸馏 (KD) 方法已经成功地监督了学生模型，以使用教师模型的中间层来更好地表示。然而，先前的KD方法没有从一级对象检测器获得各种对象尺度的广义知识，因为一级对象检测器具有使用若干中间层来提取各种尺度的对象的结构特性。换句话说，先前的KD方法不能以平衡的方式提取知识并将知识转移到一级物体检测器的中间层。因此，我们提出了共享知识编码器和平均原型转移，以消除或减轻对KD过程产生不利影响的蒸馏和转移不平衡。实验结果表明，所提出的KD方法优于最先进的方法。例如，所提出的方法在PASCAL VOC和MS COCO数据集上分别提供了比基线高约1.3% % 和2.2% % 的准确性。(c) 2022作者 (s)。由爱思唯尔出版公司出版。本文依据知识共享署名-非商业性使用-禁止演绎4.0国际许可协议（http://creativecommons.org/licenses/by-nc-nd/4.0/）开放获取。
Keyword:
Knowledge distillation
One-stage object detector
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
.png){kind=icon}
分享收藏In vitro biomechanical comparison of a newly designed interlocking nail system to a standard DCP
PREAI
分享收藏分享收藏 没有更多内容
没有更多内容