FRKDNet：基于知識蒸餾的特征提煉語義分割網(wǎng)絡(luò)

摘要： 傳統(tǒng)的語義分割知識蒸餾方法仍然存在知識蒸餾不完全、特征信息傳遞不顯著等問題，且教師網(wǎng)絡(luò)傳遞的知識情況復(fù)雜，容易丟失特征的位置信息。針對以上問題，本文提出了一種基于知識蒸餾的特征提煉語義分割模型FRKDNet。首先根據(jù)前景特征與背景噪聲的特點(diǎn)，設(shè)計了一種特征提煉方法來將蒸餾知識中的前景內(nèi)容進(jìn)行分離，過濾掉教師網(wǎng)絡(luò)的偽知識后將更準(zhǔn)確的特征內(nèi)容傳遞給學(xué)生網(wǎng)絡(luò)，從而提高特征的表現(xiàn)能力。...