PaddleDetection中PPYOLOE模型蒸馏的技术实践

背景介绍

在目标检测领域，知识蒸馏是一种常用的模型压缩技术，可以将大模型(教师模型)的知识迁移到小模型(学生模型)中，从而提升小模型的性能。PaddleDetection作为一款优秀的目标检测框架，提供了丰富的模型蒸馏功能。

问题发现

在使用PaddleDetection进行PPYOLOE模型蒸馏时，发现当教师模型使用基于Vision Transformer(ViT)骨干网络的PPYOLOE，学生模型使用基于CRN骨干网络的PP-YOLOE+时，会出现维度不匹配的错误。具体表现为neck部分的输出维度不一致，ViT版本的PPYOLOE使用YOLOCSPPAN作为neck，而CRN版本使用CustomPAN。

错误分析

从错误日志可以看出，在计算IOU损失时出现了维度不匹配的问题。具体错误信息显示，两个张量的形状分别为[169,1]和[159,1]，无法进行广播操作。这表明教师模型和学生模型在特征图的空间维度上存在差异。

解决方案

经过深入分析，发现问题的根源在于两种模型使用了不同的neck结构。ViT版本的PPYOLOE默认使用YOLOCSPPAN，而CRN版本使用CustomPAN。通过将ViT版本PPYOLOE的neck替换为CustomPAN，成功解决了蒸馏过程中的维度不匹配问题。

技术细节

1. 模型结构差异：

   • ViT骨干的PPYOLOE默认使用YOLOCSPPAN作为neck
   • CRN骨干的PP-YOLOE+使用CustomPAN作为neck
   • 两种neck结构在特征图的输出维度上存在差异

2. 蒸馏配置要点：

   • 需要设置for_distill: True启用蒸馏模式
   • 可以灵活配置不同类型的蒸馏损失，如logits蒸馏、特征蒸馏等
   • 在本案例中，关闭了特征蒸馏(feat_distill)，仅使用logits蒸馏

3. 关键修改：

   • 在教师模型配置中将neck从YOLOCSPPAN改为CustomPAN
   • 确保教师模型和学生模型的neck结构一致

实践建议

1. 在进行模型蒸馏前，务必检查教师模型和学生模型的结构兼容性
2. 当遇到维度不匹配问题时，可以从neck结构、特征图尺寸等方面进行排查
3. 可以先尝试仅使用logits蒸馏，排除特征蒸馏带来的复杂性
4. 对于PPYOLOE系列模型的蒸馏，建议保持neck结构的一致性

总结

通过本次实践，我们解决了ViT骨干PPYOLOE与CRN骨干PP-YOLOE+之间的蒸馏问题。关键在于确保教师模型和学生模型的neck结构一致。这一经验对于其他类似结构的模型蒸馏也具有参考价值，提醒我们在模型蒸馏过程中需要特别注意模型结构的一致性。