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：燕山大学

摘要：本发明涉及一种基于深度归因图谱的无人机跟踪模型迁移学习方法，属于迁移学习技术领域，包括采集探测数据；选取深度神经网络预训练模型；构建前向传播路径，采集预训练模型每个卷积层的输出特征；计算不同数据点在同一特征间的相似性，构建边相似性序列；构建节点归因值序列；卷积层每增加一层，计算该层与最后一层节点归因值的余弦相似性，计算该层与最后一层边的相似性的斯皮尔曼相关系数；构建深度归因图谱相似性函数；求取对应各个卷积层相关系数，设定阈值，筛选大于阈值的相关系数，该值对应卷积层可作为模型参数微调的临界点，该层之后的参数进行训练。本方法操作简单，训练周期短，不需要大量的图像数据。

主权项：1.一种基于深度归因图谱的无人机跟踪模型迁移学习方法，其特征在于，包括以下步骤：S1：采集包含目标无人机机型的图像数据作为探测数据Dp，探测数据Dp＝{x1,x2,…xa,xn}，包含n张无人机图像数据；S2：将利用通用跟踪数据集训练完成的跟踪模型SiamRPN++，作为深度神经网络预训练模型m1；S3：构建前向传播路径，将步骤S1采集的探测数据Dp输入到步骤S2的深度神经网络预训练模型m1中，探测数据Dp中的图像每经过一个卷积层，计算一次所述卷积层的输出特征并将结果保存；经过深度神经网络预训练模型m1的n个卷积层，则构建得到包含n个输出特征的知识池Ω，S4：利用余弦相似性，计算探测数据Dp中图像数据点两两之间在同一输出特征Fk1的相似度，得到边的相似性S5：构建反向传播路径，将探测数据Dp输入到深度神经网络预训练模型m1中，利用梯度*输入的方式，计算输入数据xa针对特征输出的归因值得到该层输出特征的节点归因值为利用梯度*输入的方式计算输入数据节点对输出特征的归因值的具体方式为：针对深度神经网络预训练模型m1，给定一个输入数据则计算xa中第i个元素对的归因值计算方式为： S6：构建节点归因值序列，利用余弦相似性，计算深度神经网络预训练模型m1中每层卷积与最后一层卷积特征嵌入空间节点归因值的相似性S7：按照卷积层的排列顺序，构建特征嵌入空间的相似性序列，计算每层卷积和最后一层卷积的特征嵌入空间的边相似性与的斯皮尔曼相关系数，得到相关系数为S8：构建深度归因图谱，相似性函数为则根据相似性函数求取各层卷积与最后一层卷积的深度归因图谱的相关系数rk；S9：设定相关系数阈值rset，将每次计算得到的相关系数rk与rset做对比，大于或等于阈值则保留，反之抛弃；S10：将rk所在的第k层作为模型参数微调临界点。

全文数据：

权利要求：

百度查询： 燕山大学 一种基于深度归因图谱的无人机跟踪模型迁移学习方法