轻量检测不降精度
用共享特征评分蒸馏，把教师网络的检测能力压进轻量学生网络，小目标金具的检出率超过教师模型。
赵振兵 · Xuechun, Lyu · Miao, Siyu · 赵文清 · 翟永杰 · Zhang, Ke
Gaodianya Jishu/High Voltage Engineering 2024
根据目标框将特征解耦为前景和背景，仅对前景金具特征进行分类评分并聚合为蒸馏掩码，避免背景干扰，使小目标特征得到有效迁移。
在两阶段和单阶段模型上均实现学生网络 mAP@0.5 大幅提升，且超过教师网络的检测精度，说明蒸馏过程不仅没有损失，反而增强了小目标检测能力。
GcBlock 模块捕获金具目标、背景及其他金具之间的关系，在蒸馏时传递完整的图像特征知识，使背景信息不会淹没小目标。