基于知识蒸馏的天线下倾角计算方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种基于知识蒸馏的天线下倾角计算方法、装置和存储介质。根据第一知识、第二知识和第三知识，通过对数量级较大的教师网络进行知识蒸馏以训练出轻量级的学生网络，通过学生网络进行天线下倾角的计算能够大大减少计算复杂度，使得该实例分割网络能够搭载至无人机，并通过无人机中的处理芯片完成天线下倾角的测量和计算，从而提高了利用无人机进行天线下倾角测量的工作效率。

【技术实现步骤摘要】
基于知识蒸馏的天线下倾角计算方法、装置和存储介质
本专利技术涉及图像
，特别是基于知识蒸馏的天线下倾角计算方法、装置和存储介质。
技术介绍
通信基站的天线下倾角是决定基站信号覆盖范围的重要参数之一，在基站投入运行以后，随着业务的发展，用户数量的变化以及周围信号环境的变化，还需要对下倾角一定的调整。传统的测量方法需要专业塔工上塔检测，耗费大量的人工，而且登塔也存在安全隐患。为了解决这个问题，现有方案通常采用无人机拍摄天线的图像，再通过图像处理技术识别出天线下倾角。但是现有的图像识别需要借助参数量巨大的深度神经网络，其计算量对于无人机的处理芯片负担过大，需要耗费大量的时间执行计算，不利于工作效率的提高。
技术实现思路
为了克服现有技术的不足，本专利技术的目的在于提供一种基于知识蒸馏的天线下倾角计算方法及其装置，能够提供轻量级的网络模型，提高利用无人机进行天线下倾角检测的工作效率。本专利技术解决其问题所采用的技术方案是：第一方面，本专利技术提供了一种基于知识蒸馏的天线下倾角计算方法，包括以下步骤：获取预先训练本文档来自技高网...

【技术保护点】
1.一种基于知识蒸馏的天线下倾角计算方法，其特征在于，包括以下步骤：/n获取预先训练好的教师网络，所述教师网络为实例分割网络；/n获取第一知识和所述教师网络的特征提取网络，训练出学生网络的特征提取网络，所述第一知识为所述教师网络的卷积块与上取样块之间的对应关系；/n获取第二知识和所述教师网络的区域建议网络，训练出学生网络的区域建议网络，所述第二知识为所述教师网络的区域选择网络的二分类输出分布；/n获取第三知识和所述教师网络的输出网络，训练出学生网络的输出网络，所述第三知识为所述教师网络的输出部分的多分类分布输出分布；获取天线图像，将所述天线图像输入至训练完成的学生网络中提取出掩膜，并计算出天线...

【技术特征摘要】
1.一种基于知识蒸馏的天线下倾角计算方法，其特征在于，包括以下步骤：
获取预先训练好的教师网络，所述教师网络为实例分割网络；
获取第一知识和所述教师网络的特征提取网络，训练出学生网络的特征提取网络，所述第一知识为所述教师网络的卷积块与上取样块之间的对应关系；
获取第二知识和所述教师网络的区域建议网络，训练出学生网络的区域建议网络，所述第二知识为所述教师网络的区域选择网络的二分类输出分布；
获取第三知识和所述教师网络的输出网络，训练出学生网络的输出网络，所述第三知识为所述教师网络的输出部分的多分类分布输出分布；获取天线图像，将所述天线图像输入至训练完成的学生网络中提取出掩膜，并计算出天线下倾角。


2.根据权利要求1所述的一种基于知识蒸馏的天线下倾角计算方法，其特征在于，所述卷积块与上取样块之间的对应关系满足以下关系矩阵：






其中，Ci为第i个卷积块输出的特征图，Pi为第i个上取样块输出的特征图，其中Fj(Ci)为Ci的第j层特征图，Fk(Pi)为Pi的第k层特征图。


3.根据权利要求2所述的一种基于知识蒸馏的天线下倾角计算方法，其特征在于，所述教师网络的矩阵和学生网络的矩阵还满足以下损失函数：其中GiT为教师网络的关系矩阵，Gis为学生网络的关系矩阵。


4.根据权利要求1所述的一种基于知识蒸馏的天线下倾角计算方法，其特征在于，所述训练出学生网络的区域建议网络之前，还包括：通过温度系数对所述教师网络的输出分布进行软化。


5.根据权利要求4所述的一种基于知识蒸馏的天线下倾角计算方法，其特征在于，所述训练出学生网络的区域建议网络满足以下损失函数：其中y表示学生模型的正常输出，表示真实标签，qT为教师网络输出的软分布，qS为学生网络输出的软分布，λ为损失任务的权重，T为温度系数。


6...

【专利技术属性】
技术研发人员：翟懿奎，周文略，柯琪锐，余翠琳，甘俊英，应自炉，王天雷，麦超云，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44