对数引导蒸馏框架

浅层特征即提纯

用深层类信息预先校准浅层关键像素与类别，使早期特征蒸馏更精准高效。

梅魁志

Neural Networks 2026

参数信息

Cityscapes
69.9 mIoU
CamVid
83.0 mIoU
Pascal VOC
87.1 mIoU

技术优势

浅层特征即提纯

深层对数信息生成细粒度空间掩码并传递给特征蒸馏阶段，让浅层网络也关注关键像素。

类别注意力校准

生成类掩码动态调制浅层辅助头的权重，确保与主头一致的类别相关特征。

内存占用低

在Cityscapes、Pascal VOC、CamVid上以较低内存开销实现有竞争力的精度。

应用场景