看一即见多：面向跨分辨率图像识别的混合阶关系知识蒸馏

尽管最近的深度模型在许多图像识别任务中取得了巨大成功，但由于分辨率退化过程中信息细节的丢失，直接将其应用于低分辨率图像识别可能会导致精度低下。然而，对于熟悉相应高分辨率图像的主体而言，这些图像仍然是可识别的。受此启发，我们提出了一种师生学习方法，通过混合阶关系知识蒸馏来促进低分辨率图像识别。该方法包含三个流：教师流经过预训练以高精度识别高分辨率图像；学生流通过模仿教师的行为来学习识别低分辨率图像；额外的辅助流作为桥梁引入，以帮助从教师到学生的知识迁移。为了提取充足的知识以减少精度损失，学生的学习受多重损失监督，从而保留不同阶关系结构中的相似性。通过这种方式，可以有效增强恢复熟悉的低分辨率图像缺失细节的能力，从而实现更好的知识迁移。在度量学习、低分辨率图像分类和低分辨率人脸识别任务上的大量实验表明，在采用精简模型的同时，我们的方法是有效的。