《基于知识蒸馏的目标检测研究的文献综述》1300字.docx

基于知识蒸馏的目标检测研究的文献综述

得益于深度CNN网络架构的发展，目标检测任务的性能逐步提高。然而，现有的目标检测框架针对完全标注的监督学习模式设计，对于半标注和无标注的数据集，现有框架难以抽取出数据集中有效地信息并加以训练。目标检测任务在实际应用中存在目标域变换或目标类别变化的场景，并且实际应用场景的对模型大小和推理速度都有更加苛刻的要求。针对这一问题，基于知识蒸馏的目标检测被证实为一种行之有效的方案[44,45]。

知识蒸馏（Knowledgedistillation，KD）最先由Hinton等人在2015年提出[46]。知识蒸馏被广泛应用于迁移学习和模型压缩中，知识蒸馏可以将一个