Quantization Mimic: Towards Very Tiny CNN for Object Detection
本文提出了一種使用量化後的教師網絡進行知識蒸餾來得到性能較好的用於目標檢測的學生量化網絡。 其框架如下： 首先訓練一個全精度的大型網絡，然後在訓練階段對其和學生網絡的特徵圖同時進行量化。用L2損失來定義兩個網絡的差距。
相關文章
- 1. 《Quantization Mimic: Towards Very Tiny CNN for Object Detection》的閱讀總結
- 2. 【Mimic】《Mimicking Very Efficient Network for Object Detection》
- 3. 【Libra R-CNN】《Libra R-CNN: Towards Balanced Learning for Object Detection》
- 4. object-detection
- 5. Tiny-DSOD: Lightweight Object Detection for Resource-Restricted Usages
- 6. 結合量化的知識蒸餾（Quantization Mimic）
- 7. （轉）Awesome Object Detection
- 8. 目標檢測 object-detection
- 9. 【論文筆記】：Libra R-CNN: Towards Balanced Learning for Object Detection
- 10. Libra R-CNN: Towards Balanced Learning for Object Detection 論文筆記
- 更多相關文章...
- • Scala for循環 - Scala教程
- • Swift for 循環 - Swift 教程
- • 爲了進字節跳動，我精選了29道Java經典算法題，帶詳細講解
- • 使用Rxjava計算圓周率
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 《Quantization Mimic: Towards Very Tiny CNN for Object Detection》的閱讀總結
- 2. 【Mimic】《Mimicking Very Efficient Network for Object Detection》
- 3. 【Libra R-CNN】《Libra R-CNN: Towards Balanced Learning for Object Detection》
- 4. object-detection
- 5. Tiny-DSOD: Lightweight Object Detection for Resource-Restricted Usages
- 6. 結合量化的知識蒸餾（Quantization Mimic）
- 7. （轉）Awesome Object Detection
- 8. 目標檢測 object-detection
- 9. 【論文筆記】：Libra R-CNN: Towards Balanced Learning for Object Detection
- 10. Libra R-CNN: Towards Balanced Learning for Object Detection 論文筆記