基于MobileNetV4的高效MAV动作识别：对比学习与知识蒸馏
计算机视觉与模式识别
2025-10-23 v1
摘要
精准且高效的微型空中飞行器（MAV）动作识别对于实现自主空中群集的实时感知和协调至关重要。然而，现有大多数方法依赖大型计算密集型模型，不适用于资源受限的MAV平台，导致识别精度与推理速度之间存在权衡。为此，本文提出一种轻量化MAV动作识别框架MobiAct，旨在以低计算成本实现高精度。具体而言，MobiAct采用MobileNetV4作为骨干网络，引入阶段性正交知识蒸馏（SOKD）策略，有效将教师网络（ResNet18）中的MAV运动特征传递给学生网络，从而提升知识传递效率。此外，集成一个无参数注意力机制以提升识别精度，同时不增加模型复杂度。我们还开发了混合损失训练策略，结合多目标损失，确保训练过程稳定可靠。实验结果表明，所提出的MobiAct实现了低能耗、低计算的MAV动作识别，同时在识别速度上快于对比方法。跨越所有三个自采数据集，MobiAct实现了92.12%的平均识别准确率，仅消耗136.16 pJ能量，处理速度达8.84 actions/秒。值得注意的是，MobiAct的动作解码速度比领先方法快近2倍，识别精度相当，凸显了其在MAV动作识别中的卓越效率。
关键词
引用
@article{arxiv.2510.19273,
title = {MobiAct: Efficient MAV Action Recognition Using MobileNetV4 with Contrastive Learning and Knowledge Distillation},
author = {Zhang Nengbo and Ho Hann Woei},
journal= {arXiv preprint arXiv:2510.19273},
year = {2025}
}