新的深度學習文獻本篇文章是Mimicking方法在檢測任務上的嘗試。mimicking作為一種模型壓縮的方法，采用大網絡指導小網絡的方式將大網絡習得的信息用小網絡表征出來，在損失較小精度的基礎上大幅提升速度。 Mimicking方法通常會學習概率輸出的前一層，被稱為"Deep-ID"，這一層的張量被認為是數據在經過深度網絡后得到的一個高維空間嵌入，在這個空間中，不同類的樣例可分性要遠超原有表示，從而達到表示學習的效果。本文作者提出的mimicking框架則是選擇檢測模型中基礎網絡輸出的feature map進行學習Mimic作為一種模型小型化的方法，Hinton在 Distilling th