基于知识蒸馏的目标检测分析

摘要

利用卷积神经网络对物体进行目标检测,准确度可获得较大幅度提升,因此研究如何有效利用卷积神经网络进行目标检测具有重要价值。知识蒸馏是模型压缩与加速的代表类型,可将大网络学到的知识传递给小网络,使小网络获得接近大网络的精度。首先,论述目标检测研究前景及现阶段遇到的一些困难,探讨基于知识蒸馏方法解决该问题的可能性,引入知识蒸馏方法不仅可以简化网络,而且能节省计算能力及资源空间;其次,分别介绍知识蒸馏的基本结构、研究过程与进展;最后,对典型的目标检测算法进行对比,并分析不同蒸馏算法改进后的效果。