摘要
本发明提供了一种面向遥感图像变化检测的多尺度特征交叉蒸馏方法,包括:对获取的原始遥感图像按照预设尺度因子进行缩放,得到M张不同尺度的输入图像和相应的分类标签,构成输入图像训练集;利用输入图像训练集对检测模型进行训练;检测模型采用并行多分支检测结构,每个检测分支对应接收一张输入图像用于获得锚框提案特征图及分类结果;基于各分支的锚框提案特征图计算蒸馏损失;基于各分支的分类结果计算检测损失,结合蒸馏损失及检测损失构建损失函数,得到训练完的检测模型;将待检测原始遥感图像输入至训练完的检测模型,输出分类结果。本发明拥有对图像中尺度变化的强适应能力,在保证了推理速度的同时,还提高了单尺度图像推理的性能。
技术关键词
面向遥感图像
蒸馏方法
检测损失
检测结构
区域建议网络
特征提取网络
图像提取特征
训练集
深度学习算法
模型训练模块
标签
因子
梯度下降法
蒸馏系统
图像缩放
处理器
多分支
系统为您推荐了相关专利信息
联合损失函数
训练优化方法
信息熵
多任务
超参数
融合上下文信息
编码器
大气散射模型
交叉注意力机制
恶劣天气条件
电梯轿厢
检测模型训练方法
检测损失
样本
视频帧
对齐模块
图像
样本
计算机视觉技术
自动驾驶系统