Destylacja wiedzy w głębokim uczeniu za pomocą sieci multimodalnych
Artykuł w czasopiśmie
MNiSW
70
Lista 2024
| Status: | |
| Warianty tytułu: |
Knowledge distillation in deep learning via multimodal networks
|
| Autorzy: | Maj Michał, Pliszczuk Damian, Cieplak Tomasz, Macura Łukasz |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2025 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | polski |
| Numer czasopisma: | 3 |
| Wolumen/Tom: | 101 |
| Numer artykułu: | 21 |
| Strony: | 87 - 90 |
| Impact Factor: | 0,4 |
| Scopus® Cytowania: | 0 |
| Bazy: | Scopus | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 27 marca 2026 |
| Abstrakty: | polski | angielski |
| Artykuł opisuje zastosowanie destylacji wiedzy w głębokim uczeniu z wykorzystaniem sieci multimodalnych do stworzenia inteligentnego urządzenia. Opracowany model jednocześnie wykrywa osobę na obrazie, klasyfikuje jej emocje oraz sprawdza, czy jest zarejestrowanym użytkownikiem. Dzięki destylacji wiedzy uzyskano mniejszy model o zbliżonej skuteczności, który działa w czasie rzeczywistym na urządzeniach wbudowanych. Wyniki pokazują, że techniki multimodalne i destylacja wiedzy poprawiają wydajność modeli. | |
| The article describes the application of knowledge distillation in deep learning using multimodal networks to create an intelligent device. The developed model simultaneously detects a person in an image, classifies their emotions, and verifies if they are a registered user. Thanks to knowledge distillation, a smaller model with similar effectiveness was obtained, which operates in real-time on embedded devices. The results show that multimodal techniques and knowledge distillation improve model performance. |
