买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提出了一种基于自适应学习和通道放大知识蒸馏的PolSAR图像分类方法，实现步骤为：获取训练和测试样本集；构建基于自适应学习和通道放大知识蒸馏的PolSAR图像分类网络模型；对图像分类网络模型进行迭代训练；获取PolSAR图像分类结果。本发明通道放大模块通过放大后的通道权重和第二Block输出的特征图计算特征增强后的特征图，可以对特征图中的相似信息进行有效区别；通过教师网络和学生网络蒸馏后每个训练样本在每个目标类别上的预测概率计算的KL散度损失值函数，并通过总损失对学生网络的参数进行更新，降低了计算的复杂度，且自适应损失权重学习模块能够增强网络的自我调节能力，有效提高了分类效率。

主权项：1.一种基于自适应学习和通道放大知识蒸馏的PolSAR图像分类方法，其特征在于，包括如下步骤：1获取训练样本集和测试样本集：获取各包括M个目标类别且每个类别包含K个像素的N幅PolSAR图像，并对半数以上的PolSAR图像中的目标进行标注，再将标注后的PolSAR图像及其标签组成训练样本集，将其余PolSAR图像作为测试样本集，其中M≥50，K≥1000；2构建基于自适应学习和通道放大知识蒸馏的PolSAR图像分类网络模型C：构建基于通道放大的知识蒸馏模块及与其级联的自适应损失权重学习模块的PolSAR图像分类网络模型C；其中，知识蒸馏模块包括并行排布的训练好的教师网络和基于通道放大模块的学生网络，分别用于计算蒸馏温度为T时每个训练样本I在每个目标类别的预测概率，以及每个训练样本I在每个目标类别蒸馏前、后的预测概率；自适应损失权重学习模块的输出端与学生网络的输入端相连，用于对网络模型C的损失进行自适应调整；3定义PolSAR图像分类网络模型C的损失值函数 其中，W表示网络模型C的可学习参数，表示学生网络的交叉熵损失值函数，表示通过教师网络和学生网络蒸馏后每个训练样本在每个目标类别上的预测概率计算的KL散度损失值函数，α'表示自适应损失权重系数；4对PolSAR图像分类网络模型C进行迭代训练：将训练样本集作为PolSAR图像分类网络模型C的输入对其进行迭代训练，得到训练好的PolSAR图像分类网络模型C'；5获取PolSAR图像分类结果：将测试样本集作为训练好的PolSAR图像分类网络模型C'中学生网络的输入进行前向传播，得到每个测试样本的分类结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于自适应和通道放大蒸馏的PolSAR图像分类方法