论文地址：
https://arxiv.org/abs/2103.14475
主要问题：
与图像分类不同的是，目标检测的知识蒸馏更加复杂，因为它往往具有具有多个损失函数，其中语义信息所依赖的特征纠缠在一起
此外其他的目标检测
版权声明：本文为CSDN博主「BIT可达鸭」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44936889/article/details/119062449
相关推荐
2021 目标检测知识蒸馏 SOTA：End-to-End Semi-Supervised Object Detection with Soft Teacher
论文地址： https://arxiv.org/abs/2106.09018 代码地址： https://github.com/microsoft/SoftTeacher 主要工作： 当前的半监督目标检测算法都需要多阶段的训练，例如在
YOLOX：高性能目标检测的最新实践 | 报告详解
近年来，目标检测的工程应用研究中，YOLO系列以快速响应、高精度、结构简单以及容易部署的特点备受工程研究人员的青睐。同时，YOLO系列存在需要手工设定样本正负导致模型泛化能力较差的问题。为了解决此类问题
目标检测算法YOLOF：You Only Look One-level Feature
本文介绍 CVPR 2021 接收的目标检测论文 You Only Look One-level Feature。原论文作者来自：中科院自动化所、中科院大学人工智能学院、中国科学院脑科学与智能技术卓越创新中心、旷视科技。0 动机
CVPR2021|CenterPoint ：基于点云数据的3D目标检测与跟踪
图1：网络流程图 代码、论文地址：在公众号「3D视觉工坊」，后台回复「CenterPoint」，即可直接下载。 前言： 该文章是Center-based系列工作（CenterNet、CenterTrack、CenterPoint）的扩展，于20
暂无评论