影像检索方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种影像检索方法、装置、设备及存储介质，所述影像检索方法包括：获取待识别的遥感影像；基于学生网络模型对所述遥感影像进行特征提取，得到所述遥感影像的特征数据，其中，所述学生网络模型是基于预先设置的损失函数和预先训练的教师网络模型对待训练的学生网络模型进行蒸馏训练所得；利用所述学生网络模型中的哈希网络对所述特征数据进行哈希处理，得到所述遥感影像的哈希码；根据所述遥感影像的哈希码检索所述遥感影像的目标参考影像。参考影像。参考影像。

【技术实现步骤摘要】
影像检索方法、装置、设备及存储介质


[0001]本专利技术属于计算机
，尤其涉及一种影像检索方法、装置、设备及存储介质。

技术介绍

[0002]遥感影像检索技术能够有效辅助无人机在全球导航卫星系统(Global Navigation Satellite System，GNSS)拒止时进行影像目标定位与自身定位，对恶劣环境下无人机目标侦察、广域搜索、目标跟踪等智能感知工作的稳定性起着关键作用。目前现有的检索技术主要是基于深度学习的对称检索，即对查询影像和数据库中的基准影像使用相同的深度模型，进行数据编码。为了保证检索准确率，通常只是简单地选择一个性能高的大模型进行特征提取，存在效率低下的问题。
[0003]因此，如何在存储资源受限的无人机视觉定位等特定的场景中实现影像的高效和高精度检索是当前急需解决的技术问题。

技术实现思路

[0004]本申请实施例提供一种影像检索方法、装置、设备及存储介质，能够在存储资源受限的无人机视觉定位等特定的场景中实现影像的高效和高精度检索。
[0005]第一方面，本申请实施例提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种影像检索方法，其特征在于，包括：获取待识别的遥感影像；基于学生网络模型对所述遥感影像进行特征提取，得到所述遥感影像的特征数据，其中，所述学生网络模型是基于预先设置的损失函数和预先训练的教师网络模型对待训练的学生网络模型进行蒸馏训练所得；利用所述学生网络模型中的哈希网络对所述特征数据进行哈希处理，得到所述遥感影像的哈希码；根据所述遥感影像的哈希码检索所述遥感影像的目标参考影像。2.根据权利要求1所述的方法，其特征在于，所述基于预先设置的损失函数和预先训练的教师网络模型对待训练的学生网络模型进行蒸馏训练，包括：获取训练样本集，所述训练样本集包括多个样本影像；将所述多个样本影像输入至所述学生网络模型和所述教师网络模型，进行模型训练；在训练过程中，获取所述学生网络模型输出的第一特征向量和所述教师网络模型输出的第二特征向量，其中，所述第一特征向量为所述学生网络模型提取的所述遥感影像的特征，所述第二特征向量为所述教师网络模型提取的所述遥感影像的特征；将所述第一特征向量与所述第二特征向量分别输入至所述预先设置的损失函数；基于所述损失函数，调整所述学生网络模型的参数。3.根据权利要求2所述的方法，其特征在于，在所述基于所述损失函数，调整所述学生网络模型的参数之后，还包括：在确定所述学生网络模型收敛的情况下，获取训练完成的学生网络模型，所述训练完成的学生网络模型用于检索所述遥感影像的参考影像。4.根据权利要求2所述的方法，其特征在于，所述损失函数包括第一蒸馏损失函数、第二蒸馏损失函数以及第三蒸馏损失函数；其中，所述第一蒸馏损失函数，用于对所述学生网络模型的输出进行处理；所述第二蒸馏损失函数，用于对所述学生网络模型的特征空间进行指导；所述第三蒸馏损失函数，用于对所述学生网络模型的哈希码构建的第一相似度矩阵进行指导。5.根据权利要求4所述的方法，其特征在于，所述损失函数为基于所述第一蒸馏损失函数、第二蒸馏损失函数以及第三蒸馏损失函数进行加权融合得到的融合结果。6.根据权利要求1所述的方法，其特征在于，所述根据所述遥感影像的哈希码检索所述遥感影像的目标参考影像，包括：分别计算所述遥感影像的哈希码与预设数据库中各个目标哈希码之间的汉明距离；将所述遥感影像的哈希码与所述各个目标哈希码之间所述汉明距离最小的所述目标哈希码对应的所述目标遥感影像作为所述遥感影像的目标参考影像。7.根据权利要求4所述的方法，其特征在于，确定...

【专利技术属性】
技术研发人员：邱春平，唐佳怡，童晓冲，王大力，雷毅，宋好帅，雷亚现，孙月坤，李贺，郭从洲，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：