一种基于交互式图蒸馏网络的高光谱图像增量分类方法

本发明公开了一种基于交互式图蒸馏网络的高光谱图像增量分类方法，包括：动态划分训练集的旧类/新类样本并构建支持集与查询集；通过旧类样本训练特征提取模型和双图交互策略图神经网络形成旧类模型组；将新类样本同时输入未经训练模型组和旧类模型组，分别生成第一、第二相似矩阵和新类样本原型；对两个所述相似矩阵进行交互式图蒸馏，利用自适应温度缩放机制生成蒸馏损失；通过多级原型约束策略对两个所述新类样本原型进行原型辅助记忆迁移，生成原型对比损失；结合交叉熵损失构建多损失协同优化函数，训练得到最优模型组进行测试。本发明通过双图知识蒸馏与原型迁移机制，有效解决增量学习中的灾难性遗忘问题，提升高光谱图像分类精度。