学生反超教师
不再孤立对齐预测分数，而是学习目标与背景之间的结构化空间语义，显著提升遥感图像中弱特征目标的检测。
胡凯 · Jiaxin, Li · Ji, Nan · Xiang, Xueshuang · 蒋凯 · 高协平
ISPRS Journal of Photogrammetry and Remote Sensing 2026
分类蒸馏中引入的弱特征响应增强模块建模目标与背景之间的结构化空间关系，使模型对弱特征目标建立初始感知。
教师边界细化模块通过构建包含更全面空间信息的回归目标，为定位蒸馏提供稳健的边界指导，提升边界回归精度。
在 DIOR 和 DOTA-v1.0 数据集上的大量实验表明，该方法在不同架构（单阶段和两阶段检测器）上一致优于现有方法，部分情况下甚至超过教师模型。