摘要
本发明公开了一种基于蒸馏扩散模型的开放集高光谱图像实例图构建方法,包括如下步骤:通过空间编码器和光谱编码器提取目标域HSI的空间与光谱特征,在扩散分类器中以真实标签为起点执行正向扩散,并进行条件反向去噪,最终获得封闭集类别预测;通过蒙特卡洛采样生成单一样本的预测集合并计算预测方差,构建不确定性分布,利用累计分布函数推算未知类概率,最终融合已知类与未知类概率通过映射模块生成教师开放集预测;在特征空间构建样本的K近邻图结构,分别以教师开放集预测和学生开放集预测为节点构建教师/学生实例图,通过图同构知识蒸馏模块最小化二者预测概率分布的Wasserstein距离,实现基于预测流形对齐的知识蒸馏。
技术关键词
分类器
样本
教师
蒸馏
神经网络参数
学生
标签
不确定性特征
蒙特卡洛
编码器
特征提取器
图像
噪声
K近邻
模块
变量
节点特征
定义
系统为您推荐了相关专利信息
水力计算方法
BP神经网络模型
水网
训练样本集
生成训练样本
功率谱密度估计
杂波抑制方法
干扰抑制方法
信号
反馈控制模块
预测模型训练方法
环境传感器数据
土壤湿度传感器
训练样本集
图谱