YOLOv8-S

边缘AI研究利用知识蒸馏实现鲁棒的汽车VRU检测

研究人员开发了一个知识蒸馏框架，以提高边缘硬件上用于汽车安全的目标检测模型的性能。该方法训练了一个较小的YOLOv8-S模型来复制一个较大的YOLOv8-L模型的行为，实现了3.9倍的压缩。蒸馏后的模型在INT8量化方面表现出显著的鲁棒性，在这些约束条件下性能优于原始的较大模型，并将误报减少了44%。这种方法对于在资源受限的边缘设备上部署准确、安全关键的系统至关重要。