基于YOLOv4的目标检测知识蒸馏算法研究
知识蒸馏作为一种基于教师-学生网络思想的训练方法,它通过复杂的教师网络来引导网络结构相对简单的学生网络进行训练,使得学生网络获得与教师网络相媲美的精度.知识蒸馏在自然语言处理和图像分类领域均有广泛的研究,而在目标检测领域的研究则相对较少且实验效果有待提升.目标检测的蒸馏算法主要是在特征提取层进行,而单一的特征提取层的蒸馏方式易导致学生不能充分学习教师网络知识,使得模型的精度较差.针对上述问题,通过在特征提取和目标分类与边框预测上都利用了教师网络的"知识"来指导学生网络进行训练,并提出了一种基于多尺度注意力机制的蒸馏算法,使得教师网络的知识更好地流向学生网络.实验分析表明,在YOLOv4基础上提出的蒸馏算法可有效地提高学生网络的检测精度.
知识蒸馏、深度学习、模型压缩、YOLOv4、注意力机制
49
TP391(计算技术、计算机技术)
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
337-344