解耦同類自知識蒸餾的輕量化唇語識別方法

摘要： 針對唇語識別模型因參數(shù)量和計算量較大而無法在移動終端和邊緣設(shè)備上應(yīng)用的問題，提出基于解耦同類自知識蒸餾和GhostNet-TSM的唇語識別方法。提出具有時序特征提取能力的GhostNet-TSM網(wǎng)絡(luò)；將同類自知識蒸餾的特征解耦為目標(biāo)類特征和非目標(biāo)類特征，分別設(shè)置損失函數(shù)，以提高模型的識別精度；使用解耦同類自知識蒸餾方法在LRW和LIP350數(shù)據(jù)集上進行模型訓(xùn)練，并在OuluVS... （共11頁）