申请/专利权人:杭州电子科技大学
申请日:2024-03-18
公开(公告)日:2024-06-21
公开(公告)号:CN118230037A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/096
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本发明公开了基于对齐实例知识蒸馏的目标检测方法,该方法首先将真实框BGT、教师模型的检测头中分类头与回归头预测的分类分数C与边界框B输入对齐实例弹性选择模块中,获得对齐实例AIs。其次将对齐实例AIs、教师特征图T与学生特征图S输入基于对齐实例遮掩生成的特征蒸馏模块;将对齐实例AIs、教师特征图T与学生特征图S输入基于对齐实例的关系蒸馏模块;将对齐实例AIs输入基于对齐实例的响应蒸馏模块。最后构建总体蒸馏损失函数训练学生模型,并输出目标检测结果。本发明充分提取对齐实例中蕴含的特征,关系及响应三类知识并转移到学生模型中,提高学生模型预测的准确性。
主权项:1.基于对齐实例知识蒸馏的目标检测方法,其特征在于,包括如下步骤:步骤1.将真实框BGT、教师模型的检测头中分类头与回归头预测的分类分数C与边界框B输入对齐实例弹性选择模块中,获得对齐实例AIs;步骤2.将对齐实例AIs、教师特征图T与学生特征图S输入基于对齐实例遮掩生成的特征蒸馏模块,增强学生特征图S中AIs位置的特征表征能力;步骤3.将对齐实例AIs、教师特征图T与学生特征图S输入基于对齐实例的关系蒸馏模块,将AIs之间的特征相关性信息传递到学生模型;步骤4.将对齐实例AIs输入基于对齐实例的响应蒸馏模块,将对应的分类以及回归的推理信息转移到学生模型;步骤5.构建总体蒸馏损失函数,通过总体蒸馏损失函数训练学生模型,并输出目标检测结果。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 基于对齐实例知识蒸馏的目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。