基于信息补偿与知识蒸馏二值神经网络的图像分类方法

本发明提出了一种基于信息补偿与知识蒸馏二值神经网络的图像分类方法，实现步骤为：获取训练样本集和验证样本集；对教师模型进行迭代训练；构建基于信息补偿与知识蒸馏二值神经网络的图像分类模型；对图像分类模型进行迭代训练；获取图像分类结果。本发明信息补偿模块通过补偿二值深度可分离卷积模块的输出特征图，显著提升了输出特征图的信息量；通过预训练教师模型和学生模型分别计算每个训练样本在各目标类别上的预测概率，并据此计算分布损失，在反向传播过程中利用该分布损失更新学生模型的参数，并且教师模型在训练过程中引导学生模型输出更精确的概率分布，帮助学生模型更好地学习复杂特征，从而显著提升了分类性能。