基于生成蒸馏与特征扰动的城市变化图生成方法及其应用技术

本申请提出了基于生成蒸馏与特征扰动的城市变化图生成方法及其应用，包括教师模型和学生模型分别学习。教师模型的双编码器接受双时态高清图像与标签文件，主解码器预测无扰动处理的特征图，辅助解码器预测弱扰动处理的特征图。辅助解码器的预测图与主解码器的预测图进行半监督损失计算，主解码器的预测图作为伪标签输入给学生模型的生成器。学生模型对未标记的双时态高清图像进行特征提取，每层特征经过强扰动处理。生成器将强扰动处理后的随机像素强制生成教师模型的完整特征，得到预测图。生成器的预测图与部分真实标签和伪标签进行损失计算。教师模型和学生模型训练完成后，输入双时态的城市俯瞰图片到学生模型中，生成城市变化图。市变化图。市变化图。

【技术实现步骤摘要】
基于生成蒸馏与特征扰动的城市变化图生成方法及其应用


[0001]本申请涉及深度学习
，特别是一种涉及基于生成蒸馏与特征扰动的城市变化图生成方法及其应用。

技术介绍

[0002]现今城市变化检测的数据来源于无人机或卫星遥感。但检测的结果受限于设备的图像分辨率。而图像分辨率的提升往往受到成像传感器的硬件成本、制造工艺和信息传输条件的限制，若提升会增加体积、功耗、重量。因此如何在不增加卫星、无人机相机体积和重量的前提下，利用多时相低分辨率图像获取更多的高频信息，检测出城市变化是难点。此外在拍摄的过程中，卫星电磁波也会受大气传播介质干扰，无人机则会因波动导致图像分辨率不清晰。同时，变化检测是图像像素级别分类任务。非常依赖于数据的特性，并且图像分割标注比较费时。
[0003]通常较大的模型具有较好的性能，但推理速度较慢，难以在有限的资源部署。为克服这个问题，才有知识蒸馏技术的提出。但目前的知识蒸馏算法通常通过模仿教师模型的输出来提高学生模型的表现，导致学生模型的特征表征能力欠佳。
[0004]因此，亟待基于生成蒸馏与特征扰动的城市变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于生成蒸馏与特征扰动的城市变化图生成方法，其特征在于，包括以下步骤：S00、分别通过教师模型和学生模型进行学习，以双时态高清图像与标签文件作为所述教师模型的输入，以未标记的双时态高清图像作为所述学生模型的输入；其中，所述教师模型网络堆叠层数深于所述学生模型；S10、以双编码器、单主解码器以及多个辅助解码器组成所述教师模型，通过双编码器输入双时态高清图像与标签文件，通过所述教师模型对双时态高清图像与标签文件进行弱扰动处理，通过主解码器对输入的无扰动处理的特征图进行预测，通过辅助编码器对输入的弱扰动处理的特征图进行预测；S20、各辅助编码器的预测图与主编码器的预测图做半监督损失计算，以主编码器的预测图作为伪标签输入所述学生模型的生成器中；S30、通过所述学生模型对未标记的双时态高清图像进行特征提取，每一层特征经过强扰动处理；S40、将强扰动处理后的随机像素经过生成器强制生成所述教师模型的完整特征，得到预测图；S50、将生成器的预测图与部分真实标签和伪标签做损失计算；S60、完成所述教师模型和所述学生模型训练，输入双时态的城市俯瞰图片到所述学生模型中，生成城市变化图。2.如权利要求1所述的基于生成蒸馏与特征扰动的城市变化图生成方法，其特征在于，S10步骤中，所述辅助解码器的数量依据弱扰动处理的种类而定，所述辅助解码器与类别个数一一对应。3.如权利要求1所述的基于生成蒸馏与特征扰动的城市变化图生成方法，其特征在于，S00步骤中，所述双时态高清图像为两张不同时间段的同一位置的图像。4.如权利要求1所述的基于生成蒸馏与特征扰动的城市变化图生成方法，其特征在于，S00步骤中，所述教师模型网络堆叠层数为所述学生模型的两倍及以上倍数。5.如权利要求1
‑
4任意一项所述的基于生成蒸馏与特征扰动的城市变化图生成方法，其特征在于，S40步骤中，所述强扰动处理为对特征提取后的图像随机部分特征采用均值滤波，并在特征提取过程...

【专利技术属性】
技术研发人员：郁强，黄乾玮，韩致远，张香伟，王国梁，
申请(专利权)人：城云科技中国有限公司，
类型：发明
国别省市：