轻量跨主体自适应网络

毫秒级实时预测

通过集成多样假设与知识蒸馏,以小模型实现高精度、快速度的人体意图和活动识别,适用于边缘设备。

Zhang, Kuangen · Chen, Jiahong · Wang, Jing · 陈欣星 · 冷雨泉 · de Silva, Clarence W. · 付成龙

Information Fusion 2023

参数信息

分类准确率(月亮数据集)
96.9 %
分类准确率(人类运动数据集1)
94.4 %
分类准确率(人类运动数据集2)
97.4 %
推理时间
1 ms

技术优势

小模型也准

学生网络仅凭老师提供的软标签,就能继承多个特征生成器和分类器学到的知识,在未标注目标域上保持高准确率。

该方法能稳定学习曲线,减少训练过程中的震荡,使模型收敛更可靠。

特征学得全

通过最大化多个特征生成器之间的差异,迫使其学习多样且完整的特征,而不是只抓取部分模式。

应用场景