欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025115263883
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,包括:将遥感图像分别输入完成训练的教师模型和学生模型,输出五个层级的教师特征和五个层级的学生特征;

将教师特征和学生特征中的低层级特征输入移位局部特征协同蒸馏模块,计算移位局部特征损失,包括:将各个低层级特征分别裁剪为补丁级特征,根据补丁级特征计算各个低层级特征的第一空间特征;

将各个低层级特征分别移位后裁剪为移位补丁级特征,根据移位补丁级特征计算各个低层级特征的移位局部空间特征,再通过对移位局部空间特征反移位恢复位置后得到各个低层级特征的第二空间特征;

融合各个低层级特征的第一空间特征和第二空间特征,得到各个低层级特征的融合空间特征;

根据对应层级的教师融合空间特征和学生融合空间特征计算局部特征蒸馏损失;

将教师特征和学生特征中的高层级特征输入深层逐像素蒸馏模块,根据对应层级的教师特征和学生特征之间所有对应像素的距离计算逐像素蒸馏损失;

将教师特征和学生特征输入检测头,分别得到教师模型和学生模型对应的目标的预测分类、预测位置和预测角度;

以教师模型的预测角度作为真实角度,以学生模型的预测角度作为生成角度,计算生成对抗蒸馏损失;

以局部特征蒸馏损失、逐像素蒸馏损失、生成对抗蒸馏损失和监督损失构成的总损失训练学生模型;

将待检测的遥感图像输入完成训练的学生模型,得到目标的预测分类、预测位置和预测角度。

2.根据权利要求1所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,所述教师模型为基于Swin-T的FCOS模型,学生模型为基于Swin-T-T的FCOS模型。

3.根据权利要求1所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,低层级特征为第一层级和第二层级的特征,高层级特征为第四层级和第五层级的特征。

4.根据权利要求3所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,将各个低层级特征分别裁剪为补丁级特征,公式为:;

其中,和分别为第层级的教师特征和学生特征,和分别为第层级的教师补丁级特征和学生补丁级特征,为裁剪操作,;

根据补丁级特征计算各个低层级特征的第一空间特征,公式为:;

;

;

其中,和分别表示将各个补丁沿y轴方向和x轴方向求均值后再映射回补丁尺寸的操作,和分别为第层级y轴方向的教师局部空间特征和学生局部空间特征,和分别为第层级x轴方向的教师局部空间特征和学生局部空间特征,为沿通道维度的拼接操作,和分别为第层级的教师第一空间特征和学生第一空间特征。

5.根据权利要求3所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,将各个低层级特征分别移位后裁剪为移位补丁级特征,公式为:;

;

其中,和分别为第层级的教师特征和学生特征,为移位操作,和分别为移位后的第层级的教师特征和学生特征,为裁剪操作,和分别为第层级的教师移位补丁级特征和学生移位补丁级特征,;

根据移位补丁级特征计算各个低层级特征的移位局部空间特征,公式为:;

;

其中,和分别表示将各个补丁沿y轴方向和x轴方向求均值后再映射回补丁尺寸的操作,和分别为第层级y轴方向的教师移位局部空间特征和学生移位局部空间特征,和分别为第层级x轴方向的教师移位局部空间特征和学生移位局部空间特征;

再通过反移位恢复位置后得到各个低层级特征的第二空间特征,公式为:;

;

;

其中,和分别为第层级y轴方向和x轴方向的恢复位置后的教师局部空间特征,和分别为第层级y轴方向和x轴方向的恢复位置后的学生局部空间特征,为反移位操作;为沿通道维度的拼接操作,和分别为第层级的教师第二空间特征和学生第二空间特征。

6.根据权利要求5所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,移位操作的步长为裁剪操作的步长的一半,通过移位操作将特征向右下方移位,移位后超出特征尺寸范围的部分填补至左上方;

利用裁剪操作将移位后的特征裁剪为补丁级特征后,在左上方包含填补部分的补丁块中按照填补边缘再进行一次裁剪,得到目标移位补丁级特征。

7.根据权利要求1所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,得到各个低层级特征的融合特征后,还包括:对融合特征进行归一化,公式为:

;

其中,和分别为第层级的教师融合特征和学生融合特征,和分别为第层级归一化后的教师融合特征和学生融合特征。

8.根据权利要求7所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,根据对应层级的教师融合特征和学生融合特征计算局部特征蒸馏损失,公式为:;

其中,和分别为第层级归一化后的教师融合特征和学生融合特征,为局部特征蒸馏损失。

9.根据权利要求1所述的一种基于多层级知识蒸馏的遥感目标检测方法,其特征在于,将教师特征和学生特征中的高层级特征输入深层逐像素蒸馏模块,根据对应层级的教师特征和学生特征之间所有对应像素的距离计算逐像素蒸馏损失,公式为:;

;

其中,为逐像素蒸馏损失,和分别为第层级的教师特征和学生特征,为展平操作,和分别为第层级的教师展平向量和学生展平向量,和分别为和的第i个像素值,为像素总数,。

10.一种基于多层级知识蒸馏的遥感目标检测装置,其特征在于,包括:特征提取模块,用于将遥感图像分别输入完成训练的教师模型和学生模型,输出五个层级的教师特征和五个层级的学生特征;

局部特征蒸馏损失计算模块,用于将教师特征和学生特征中的低层级特征输入移位局部特征协同蒸馏模块,计算移位局部特征损失,包括:将各个低层级特征分别裁剪为补丁级特征,根据补丁级特征计算各个低层级特征的第一空间特征;

将各个低层级特征分别移位后裁剪为移位补丁级特征,根据移位补丁级特征计算各个低层级特征的移位局部空间特征,再通过对移位局部空间特征反移位恢复位置后得到各个低层级特征的第二空间特征;

融合各个低层级特征的第一空间特征和第二空间特征,得到各个低层级特征的融合空间特征;

根据对应层级的教师融合空间特征和学生融合空间特征计算局部特征蒸馏损失;

逐像素蒸馏损失计算模块,用于将教师特征和学生特征中的高层级特征输入深层逐像素蒸馏模块,根据对应层级的教师特征和学生特征之间所有对应像素的距离计算逐像素蒸馏损失;

检测模块,用于将教师特征和学生特征输入检测头,分别得到教师模型和学生模型对应的目标的预测分类、预测位置和预测角度;

判别生成损失计算模块,用于以教师模型的预测角度作为真实角度,以学生模型的预测角度作为生成角度,计算生成对抗蒸馏损失;

训练模块,用于以局部特征蒸馏损失、逐像素蒸馏损失、生成对抗蒸馏损失和监督损失构成的总损失训练学生模型;

推理模块,用于将待检测的遥感图像输入完成训练的学生模型,得到目标的预测分类、预测位置和预测角度。