オブジェクト検出のための知識蒸留の悪魔を掘り下げる：調査

概要 この調査は、コンピュータビジョンの重要な分野であるオブジェクト検出における知識蒸留（KD）技術の焦点を絞ったレビューを提供します。既存のアプローチを、知識移転の段階と蒸留された情報の性質によって分けられた3つの主要なタイプ—特徴ベース、関係ベース、応答ベース—に分類します。これらのコアパラダイムを要約するだけでなく、継続的学習、半教師ありおよび弱教師あり検出、3Dオブジェクト検出などの新たな課題への適応についても検証します。さらに、COCOデータセット上で代表的な手法の体系的評価を行い、それらの強み、限界、さまざまなシナリオでの適合性の詳細な分析を提供します。この研究の特異な貢献は、多様なKD戦略の背後にある共有原則の横断的な統合を行い、これらがどのように一般化され新たな領域に拡張できるかを明らかにすることです。私たちは、研究者や実務者に対して、オブジェクト検出におけるKDの進展に向けた統合された概念フレームワークと実用的な洞察を提供することを目指しています。