目标检测任务集成蒸馏 原文约200字,阅读约需1分钟。发表于:2024-04-02T00:00:00Z。 通过综合考虑分类和回归任务的重要性差异,在目标检测中提出了一种能够应对知识蒸馏中偏见预测问题的方法。 该研究通过知识蒸馏将基于Transformer的教师检测器的知识转化到基于卷积的学生检测器上,提高了轻量级分类模型的性能。在MS COCO基准测试中,RetinaNet和Mask R-CNN的性能显著提升。 Transformer 卷积 序列化方法 教师检测器 目标检测 知识蒸馏