.png){kind=icon}
返回
Multi-source Feature Map Distillation for enhanced low-resolution object recognition
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compeleceng.2025.110710.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识蒸馏是解决低分辨率目标识别问题的有效方法。然而，由于分辨率差异，特征图尺寸变得不一致，使得学生模型难以完全学习教师模型中包含的丰富特权信息。我们之前的工作通过特征解码器解决了这一问题，实现了跨分辨率特征图蒸馏。但该方法未能充分利用高分辨率样本及其特征图，以在蒸馏点提取更多特权信息。为此，本文提出了一种多源特征图蒸馏（MsFMD）方法，以进一步改进智能视频监控等实际应用中的低分辨率目标识别性能。我们设计了一种带有通道注意力机制的特征解码器，以更好地利用教师模型的特权信息，并采用多级解码器模块处理深度特征，实现多级特征图蒸馏。此外，本文引入了一种联合数据增强方法，有效增强了学生模型对不同分辨率样本的适应性和鲁棒性。通过将MsFMD与当前最优的低分辨率和噪声目标知识蒸馏方法在多个识别任务中进行比较，验证了其整体性能。
期刊
C
IF:
4.9
论文数:
6.7K
被引数:
1.3W
机构
引用论文
AIF-LFNet: All-in-Focus Light Field Super-Resolution Method Considering the Depth-Varying Defocus
.png){kind=icon}
PREAI
分享收藏
Degradation model and attention guided distillation approach for low resolution face recognition
PREAI
分享收藏
查看更多内容