基于知识蒸馏的目标检测模型压缩方法
实质审查的生效
摘要

本发明提供一种基于知识蒸馏的目标检测模型压缩方法,通过FPN分别提取教师网络模型和学生网络模型的特征图,通过计算两者的对应的特征图的Gram矩阵之间的差异,并通过反向传播,能够使学生网络模型向教师网络模型学习不同通道之间的相程度,进而提高学生网络模型的检测精度,从而能够对目标检测模型进行有效压缩,并且在压缩的同时保证检测精度。其中,教师网络模型为以ResNet101为骨干网络的Faster RCNN,学生网络模型为以ResNet50为骨干网络的Faster RCNN,因此,减少了约一半的中间层的层数,实现了有效的模型压缩,并且通过应用Gram矩阵,保证了压缩后模型的检测精度。

基本信息
专利标题 :
基于知识蒸馏的目标检测模型压缩方法
专利标题(英):
暂无
公开(公告)号 :
CN114492755A
申请号 :
CN202210106356.8
公开(公告)日 :
2022-05-13
申请日 :
2022-01-28
授权号 :
暂无
授权日 :
暂无
发明人 :
王京冯瑞
申请人 :
复旦大学
申请人地址 :
上海市杨浦区邯郸路220号
代理机构 :
上海德昭知识产权代理有限公司
代理人 :
程宗德
优先权 :
CN202210106356.8
主分类号 :
G06N3/04
IPC分类号 :
G06N3/04  G06N3/08  G06N5/02  
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构,例如,互连拓扑
法律状态
2022-05-31 :
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20220128
2022-05-13 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
  • 联系电话
    电话:023-6033-8768
    QQ:1493236332
  • 联系 Q Q
    电话:023-6033-8768
    QQ:1493236332
  • 关注微信
    电话:023-6033-8768
    QQ:1493236332
  • 收藏
    电话:023-6033-8768
    QQ:1493236332