一种基于代表性样本特征分布匹配的数据集蒸馏方法

一种基于代表性样本特征分布匹配的数据集蒸馏方法，包括以下步骤：步骤1：使用k‑means算法选择出具有代表性的真实样本和合成样本，进行初始化；步骤2：进行参数化处理；步骤3：使用差分孪生增强策略对参数化真实样本和合成样本进行数据增强；步骤4：计算真实样本和合成样本层级之间的特征分布，将二者的差异作为特征分布匹配损失函数；步骤5：使用合成样本的原型特征对于真实样本进行分类，计算出之间的相关性作为样本判别损失；步骤6：将损失进行加权，得到最终的优化损失函数，对于网络参数和合成样本不断迭代优化，直至损失函数收敛，最终得到可解释性强的合成样本。本发明得到质量较高的合成样本，并且在跨模型上拥有良好的泛化能力。