技术特征：
技术总结
本发明公开了一种基于知识蒸馏的卷积神经网络优化方法，从FPN的特征金字塔部分的附加结构中选取位置建立桥接；在教师FPN网络T与学生FPN网络S之间的桥接位置建立多个特征适配层；采用层次加权的多尺度损失函数用作网络训练的损失函数。本发明的积极效果是：一方面，基于本发明的知识蒸馏设计，能够将复杂的教师FPN网络进行压缩，得到一个规模更小、计算更快的学生FPN网络。较之于现有基于CNN的目标检测技术直接使用FPN，更便于进行边缘侧计算的部署；另一方面考虑知识蒸馏的方式，较之现有的知识蒸馏技术，本发明能够更好的适配多尺度目标检测网络FPN，能更好的训练出高质量的学生FPN网络。
技术研发人员：王标;隆刚;史方
受保护的技术使用者：成都视观天下科技有限公司
技术研发日：2018.05.29
技术公布日：2018.11.06