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：。

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。