面向夜间无人机跟踪的互学习知识蒸馏
计算机视觉与模式识别
2023-12-25 v2
摘要
夜间无人机（UAV）跟踪得益于不可或缺的即插即用低光增强器。然而，低光增强器的引入增加了无人机的额外计算负担，严重阻碍了实时无人机应用的发展。同时，这些最先进的增强器缺乏与先进日间无人机跟踪方法的紧密耦合。为解决上述问题，本工作提出了一种新颖的面向夜间无人机跟踪的互学习知识蒸馏框架，即 MLKD。该框架旨在通过教师的知识迁移和不同学生之间的知识共享，学习一个紧凑且快速的夜间跟踪器。具体而言，采用基于最先进增强器和优越跟踪骨干的先进教师来指导学生，该学生仅基于紧耦合感知跟踪骨干直接提取夜间目标特征。为解决单个学生的有偏学习问题，构建了具有不同蒸馏方法的多样化轻量级学生，以关注教师知识的不同方面。此外，设计了一个创新的互学习室，在训练阶段逐帧选出优秀学生候选者来协助其余学生。进一步地，通过测试数据集选出最终的最佳学生，即 MLKD-Track。大量实验证明了 MLKD 和 MLKD-Track 的有效性和优越性。MLKD-Track 的实用性在具有不同挑战性场景的真实世界测试中得到了验证。代码可在 https://github.com/lyfeng001/MLKD 获取。
引用
@article{arxiv.2312.07884,
title = {Mutual-Learning Knowledge Distillation for Nighttime UAV Tracking},
author = {Yufeng Liu},
journal= {arXiv preprint arXiv:2312.07884},
year = {2023}
}