DMKD: 通过双重掩模增强改进基于特征的目标检测知识蒸馏
原文中文,约300字,阅读约需1分钟。发表于: 。利用双重掩蔽知识蒸馏(DMKD)框架来捕捉空间重要性和通道相关信息以实现全面的掩蔽特征重构,通过自适应加权策略融合重构特征进行有效的特征蒸馏,在目标检测任务中与其他最先进的蒸馏方法相比,学生网络分别在 RetinaNet 和级联 Mask R-CNN 作为教师网络时取得了 4.1% 和 4.3% 的性能提升。
本文介绍了利用双重掩蔽知识蒸馏框架来捕捉空间重要性和通道相关信息以实现全面的掩蔽特征重构的方法。通过自适应加权策略融合重构特征进行有效的特征蒸馏,在目标检测任务中与其他最先进的蒸馏方法相比,学生网络在RetinaNet和级联Mask R-CNN作为教师网络时分别取得了4.1%和4.3%的性能提升。