提出YOLOF-MLD多级蒸馏高效目标检测框架
原文：YOLOF-MLD: A Multi-Level Distillation Framework for Efficient Object Detection
在资源受限的边缘设备上实现高效目标检测，对于火灾烟雾监测等安全关键应用至关重要。然而，当前的轻量级框架（如YOLO26）仍依赖参数密集的多分支特征金字塔网络（FPN），无法充分发挥其轻量优势。用YOLOF的单输入单输出（SiSo）颈部替换FPN是一种有前景的解决方案，但会导致显著的精度损失。为缓解这一问题，我们提出了YOLOF-MLD，一种CPU高效的多级蒸馏（MLD）框架，结合了YOLO26n骨干、SiSo颈部和MLD。它通过切片语义匹配在骨干处对齐特征，通过感受野匹配在颈部对齐特征，并在响应层面对齐。在D-Fire和Annotated Fire-Smoke（AFS）数据集上，YOLOF-MLD将YOLO26n的参数量减少35.7%，在树莓派5上实现62.3%的加速，分别达到71.6%和59.9%的mAP@50，而YOLO26n为75.5%和60.0%。这些结果展示了面向边缘部署的具有竞争力的精度-延迟权衡。我们的代码可在https://github.com/XiaolongWU111/YOLOF---MLD/blob/main/README.md获取。作者：Xiaolong Wu, Liming Zheng, Zitong Liu, Yue Zheng 类别：cs.CV