期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于共有特征评分的解耦知识蒸馏输电线路金具检测方法
1
作者 赵振兵 吕雪纯 +3 位作者 苗思雨 赵文清 翟永杰 张珂 《高电压技术》 CSCD 北大核心 2024年第12期5229-5237,共9页
输电线路金具航拍图像具有目标占比小和背景过于复杂的特点,为了将对金具目标检测性能优越的教师网络性能迁移到学生网络,提出了一种基于共有特征评分的解耦知识蒸馏输电线路金具检测方法。首先,根据Ground-truth框将图像特征解耦为前... 输电线路金具航拍图像具有目标占比小和背景过于复杂的特点,为了将对金具目标检测性能优越的教师网络性能迁移到学生网络,提出了一种基于共有特征评分的解耦知识蒸馏输电线路金具检测方法。首先,根据Ground-truth框将图像特征解耦为前景和背景区域,在前景区域对教师模型特征金字塔中每一层特征信息分类评分,聚合所有类别分类分数作为共有特征蒸馏掩码。其次,为了保证整幅图像的完整性,采用GcBlock模块捕获金具目标与背景、其他金具之间的关系,以此将教师模型生成的图像特征知识完整地迁移到学生网络。最后,通过自建金具图像检测数据集验证该文提出方法的有效性,实验结果表明:将该文方法应用于双阶段、单阶段模型均可大幅提升参数量小的网络检测性能,Faster R-CNN、RetinaNet的学生网络交并比阈值为0.5的平均精度(mAP_50)分别提升了25.9%、31.4%,有的甚至超过教师网络检测精度;针对防震锤、调整板、重锤目标,Cascade R-CNN模型中学生网络的平均精度显著提升。该文研究方法实现了对金具目标的高效检测,达到了检测性能与资源消耗的平衡。 展开更多
关键词 金具目标检测 知识蒸馏 教师模型 学生模型 共有特征评分
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部