银江技术申请基于知识蒸馏的室内语义图像分割专利，提升了分割的精度、效率与类间的可分离性 金融界2024年12月5日消息，国家知识产权局信息显示，银江技术股份有限公司申请一项名为“一种基于知识蒸馏的室内语义图像分割方法”的专利，公开号CN 119068335 A，申请日期为2024年8月。专利摘要显示，本发明公开了一种基于知...
02研究成果Research results为了综合解决上述问题,本文提出了一种基于三视图视角与图像引导的3D点云语义分割框架。首先结合深度分布估计将图像特征反投影至以三视图视角为基准的3D空间,以平衡硬件资源与特征精度。其次在统一3D空间中获取点云...
不再让小模型从数据label中学习,而是向大模型学习,这样小模型不再干巴巴的啃数据,而是在大模型的推断过程中寻找输入的数据与输出的预测之间的联系,大模型从数据中挖掘出的暗知识也就这样转移到小模型上了,结果自然是小模型预测精度的大幅度提高。 而接来要介绍则是首篇将 KD 应用于 Semantic Segmentation 的 Paper...
13.步骤1中所述综合知识提取与编码模块,由知识提取层、特征转换层和编码器三部分构成,知识提取层利用语义分割模型的特征提取器输出的特征图,通过多种矩阵计算获得不同类型的异质知识图,特征转换层负责将异质知识图进行形状转换使其宽高一致,而后其经过编码器映射到统一的维度空间,即获得了不同类型、相同维度的知识图...
6.本发明提供的一种基于知识蒸馏的bev语义分割模型训练方法,包括:获取图像数据集;将所述图像数据集输入至学生模型中进行特征提取,得到第一平面视图数据集;将所述图像数据集输入至老师模型中进行特征提取,得到第二平面视图数据集;根据所述图像数据集中图像数据的空间坐标对所述第一平面视图数据集和第二平面视图数据集...
如图1所示,本发明基于语义分割类内特征差异性的知识蒸馏方法包括以下步骤: (1)构建用于语义分割任务的复杂网络(教师网络)和精简网络(学生网络),并训练得到教师模型,包括如下子步骤: (1.1)对原始数据集中所有图片进行像素级别的标注,标签为预先定义的语义类别,得到带标注的标准训练数据集; ...
本发明公开了一种基于知识聚合与解耦蒸馏的压缩方法在语义分割中的应用,包括学生模型,教师模型,特征层综合知识提取与编码模块,感知聚合模块,辅助预测器,标签解耦蒸馏模块.本发明还公开了一种基于上述系统的模型压缩方法,该方法通过特征层综合知识的提取与聚合策略,在蒸馏训练过程中,分别获得教师,学生模型的多种高维特征...
本发明公开了一种基于知识聚合与解耦蒸馏的语义分割模型压缩系统,包括学生模型,教师模型,特征层综合知识提取与编码模块,感知聚合模块,辅助预测器,标签解耦蒸馏模块.本发明还公开了一种基于上述系统的模型压缩方法,该方法通过特征层综合知识的提取与聚合策略,在蒸馏训练过程中,分别获得教师,学生模型的多种高维特征图及其...
1.一种基于语义分割类内特征差异性的知识蒸馏方法,其特征在于,所述方法包括下述步骤: (1)构建用于语义分割任务的复杂网络即教师网络和精简网络即学生网络,并训练得到教师模型,包括如下子步骤: (1.1)对原始数据集中所有图片进行像素级别的标注,标签为预先定义的语义类别,得到带标注的标准训练数据集; (1.2)定义用于语义...