摘要: 随着互联网的快速发展，多媒体数据呈现爆炸式增长，给相关智能分析技术带来巨大的挑战，尤其在计算效率方面。目标检测作为计算机视觉的基础任务之一，也是多媒体智能分析中的常用技术。近年来，深度学习技术的引入使目标检测性能得到明显提升，然而... 展开 随着互联网的快速发展，多媒体数据呈现爆炸式增长，给相关智能分析技术带来巨大的挑战，尤其在计算效率方面。目标检测作为计算机视觉的基础任务之一，也是多媒体智能分析中的常用技术。近年来，深度学习技术的引入使目标检测性能得到明显提升，然而现有目标检测器往往因其庞大的计算量消耗，无法在计算资源有限的设备上充分发挥作用，这对智能产业落地造成了巨大的阻碍。另一方面，针对目标检测轻量化的模型压缩技术尚不成熟，仍有不少改进空间。 为解决上述问题，提出两种针对目标检测的模型压缩方法：（1）针对背景信息冗余，提出高效的选择性卷积网络（SCN），忽略背景区域特征计算，仅仅选择性地计算有意义的信息。其基本思想是对无关紧要的背景区域信息进行剪枝，有效地降低特征提取中的计算消耗，并且极大地减少压缩后的精度损失。针对此框架，精心设计了一个选择模块来引导网络将计算集中在前景区域，并提出选择卷积代替普通卷积完成高效计算。在没有额外引入分割数据集的情况下，探究了直接监督和间接监督两种方式，充分训练该模型。（2）针对当前蒸馏方法所忽视的多层次特征，提出手把手指导的蒸馏（HGD）框架，提炼网络中各阶段特征的潜在知识，对学生网络施加更全面的蒸馏约束。围绕提出的蒸馏框架，探索了一系列优化策略，包括语义一致性的特征匹配策略、改进的模仿损失函数、有侧重点的微观和宏观权重生成以及重加权的优化算法，这些策略相辅相成，使蒸馏最终达到更好的效果。 为了验证有效性，在PASCALVOC和MSCOCO两个经典数据集上进行了大量实验。实验结果表明，选择性卷积网络可以降低SSD和Pelee检测器约1/5到1/3的计算量，精度下降在2%以内。例如在VOC上减少SSD约20%的计算量且精度仅下降0.2%，减少Pelee轻量级检测器33%计算量，精度仅下降1.2%。这些实验验证了该方法的有效性，并且可以进一步压缩轻量级检测器。对于提出的手把手蒸馏方法，进行了大量的对比和消融实验，在相同压缩程度下表现出更好的效果，例如在VOC上压缩精度恢复超过当前最先进方法2.4%，弥补了学生网络与教师网络63%的精度差距。同时，在不同模型和数据集上的泛化实验进一步验证了鲁棒性。 收起