【技术实现步骤摘要】
本专利技术涉及一种轻量化目标检测方法、装置、计算机程序产品，属于目标检测。
技术介绍
1、目标检测是计算机视觉中的一个基础任务，图像分割、物体追踪等都要依赖目标检测。随着基于深度学习的目标检测技术的出现，卷积神经网络的应用使得目标检测的效果大大提升。为了获得更好的性能，通常使用更大的主干，这需要更多的计算资源并且推理速度更慢。当目标检测技术运用到无人机航拍技术、医学影像病灶检测等领域时，往往需要将目标检测模型部署在算力小、电池容量小的嵌入式设备中，这时候传统的目标检测方法因其高耗电量、高算力要求、较慢推理速度等而不再适用，为了克服这些缺点，在有限的推理时间内实现强大的目标检测性能，需要对目标检测模型进行轻量化，以便适用目标检测模型部署到嵌入式设备的应用场景。
2、知识蒸馏是一种将大型教师网络中的信息集成到一个紧凑的学生网络中，并在推理过程中不增加额外成本而获得强大性能的方法。主要分为逻辑蒸馏和特征蒸馏，前者是直接匹配网络输出的概率分布，后者是直接匹配中间的特征或者学习特征之间的转换关系。知识蒸馏技术能够完成目标检测的轻量化工...
【技术保护点】
1.一种轻量化目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的轻量化目标检测方法，其特征在于，所述增强处理包括：
3.根据权利要求1所述的轻量化目标检测方法，其特征在于，所述教师网络的骨干网络采用101层残差网络，所述学生网络的骨干网络采用50层残差网络。
4.根据权利要求1所述的轻量化目标检测方法，其特征在于，对所述教师特征图和学生特征图进行焦点蒸馏，包括：
5.根据权利要求4所述的轻量化目标检测方法，其特征在于，针对特征图F，其对应的注意力特征图的计算公式如下：
6.根据权利要求1所述的...
【技术特征摘要】
1.一种轻量化目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的轻量化目标检测方法，其特征在于，所述增强处理包括：
3.根据权利要求1所述的轻量化目标检测方法，其特征在于，所述教师网络的骨干网络采用101层残差网络，所述学生网络的骨干网络采用50层残差网络。
4.根据权利要求1所述的轻量化目标检测方法，其特征在于，对所述教师特征图和学生特征图进行焦点蒸馏，包括：
5.根据权利要求4所述的轻量化目标检测方法，其特征在于，针对特征图f，其对应的注意力特征图的计算公式如下：
6.根据权利要求1所述的轻量化目标检测方法，其特征在于，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。