本發(fā)明公開了一種基于多目標檢測模型無標簽的知識蒸餾方法及存儲介質,屬于計算機視覺目標檢測領域,該方法包括以下步驟:S1、獲取多類別數據集;S2、利用不同類別的數據集訓練出不同的教師網絡,將無標簽的圖片輸入至學生網絡和多個教師網絡,引導學生網絡訓練;學生網絡的類別為多個教師網絡類別的組合;S3、設計全局蒸餾損失以及自適應損失,平衡多個不同教師網絡和學生網絡之間的蒸餾損失,平衡不同教師網絡之間的語言特性,優(yōu)化學生網絡訓練過程。本發(fā)明能夠有效提煉出不同教師網絡中的多類別信息,進行完整類別的目標檢測,并且在單一數據集的制定類別上與教師網絡持平甚至超越。
聲明:
“基于多目標檢測模型無標簽的知識蒸餾方法及存儲介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)