基于多层特征对齐知识蒸馏的家居语义分割模型压缩方法

本发明涉及计算机视觉识别技术领域，具体涉及一种基于多层特征对齐知识蒸馏的家居语义分割模型压缩方法，具体如下：建立以SegformerB4为架构的教师模型和以DeepLabV3为架构的学生模型，分别提取全局上下文特征和局部细节特征；通过重分块交叉注意力特征对齐模块使学生模型获取教师模型的深层全局异构特征，弥补卷积网络的局部感受野缺陷；采用异构尺度特征对齐模块重构不同网络输出的多尺度特征图，消除结构差异导致的分辨率不匹配问题；通过双重特征对齐机制使学生模型充分学习教师模型的知识表示，在保持学生模型大小不变的同时提升分割精度。通过上述过程，将教师模型的语义知识迁移到学生模型中，从而训练出轻量但高性能的分割网络。