摘要
本发明提供了一种基于多教师模型的知识蒸馏方法,涉及图像处理技术领域,所述方法包括:确定多个教师模型中的主模型,将其他的教师模型作为辅模型;将辅模型的特征方向与主模型对齐,获得对齐特征;将对齐特征沿第二维度与主模型的特征叠加获得扩展特征,其中,扩展特征的特征维度高于主模型或辅模型的维度;对学生模型的中间层进行特征映射,获得映射特征;对扩展特征进行掩码处理,获得第一掩码特征;映射特征进行掩码处理,获得第二掩码特征;根据第一掩码特征和第二掩码特征确定掩码范数方向损失;根据损失函数优化学生模型,通过优化后的学生模型对图片进行分类识别,保证有效减少多教师模型知识蒸馏带来的知识损失。
技术关键词
知识蒸馏方法
教师
掩码矩阵
损失函数优化
学生
中间层
投影器
元素
过滤器
图像处理技术
批量
图片
分类器
标签
偏差
样本
算法
系统为您推荐了相关专利信息
无人机拍摄图像
图片特征信息
算法模型
图像增强模块
损失函数优化
控制策略生成方法
暂态稳定评估
神经网络模型
标签预测值
发电机
职业教育系统
协同过滤算法
实训模块
深度学习算法
职业教育技术