基于知识蒸馏的轻量化SAR图像多类型目标检测方法及装置、设备、介质制造方法及图纸

本申请的实施例揭示了一种基于知识蒸馏的轻量化SAR图像多类型目标检测方法及装置、设备、介质。方法包括：利用SAR图像目标的特性对YOLOv8模型进行轻量化改进；将改进后的YOLOv8模型规模进行缩放得到两个规模的模型，分别为复杂规模的模型和轻量规模的模型，以复杂规模的模型作为教师网络，轻量规模的模型作为学生网络，构建知识蒸馏框架；响应于获取的SAR图像数据集，对所述知识蒸馏框架进行训练，得到轻量化SAR图像检测模型，利用所述轻量化SAR图像检测模型识别SAR图像中的多类别目标。本发明专利技术基于YOLOv8模型进行轻量化改进，改进后的模型具有更少的参数量和计算量，同时结合通道式知识蒸馏学习，在不增加参数量和计算量的前提下进一步提高了检测精度。

【技术实现步骤摘要】

本申请涉及一种基于知识蒸馏的轻量化sar图像多类型目标检测方法及装置、设备、介质，属于图像处理。

技术介绍

1、合成孔径雷达(synthetic aperture radar,sar)是一种主动式微波遥感传感器，它利用一个天线沿着长线阵的轨迹等速移动并辐射相参信号,把在不同位置接收的回波进行相干处理,从而获得较高分辨率的成像。与传统的光学传感器相比，sar在成像或探测时不受光照强度、天气等因素的限制，具有全天候、全天时等优点，sar成像技术弥补了光学成像技术在夜间以及恶劣天气条件下无法对地表进行测绘的缺陷。sar在民用和军事领域已得到了广泛的应用，例如灾害的监测与决策支持，海洋监测，资源探测，测绘，农作物和森林资源的监测与管理。随着高分辨率sar成像技术的不断发展，存在大量的sar图像可用于目标检测。同时随着深度学习的发展，sar图像目标检测的性能得到了极大的提升。目前，基于深度学习的sar图像目标检测算法在检测速度、检测精度等方面还有较大的提升空间。

2、基于深度学习的目标检测算法主要分为两类，一类是以区域卷积神经网络(r-cnn)、fast本文档来自技高网...

【技术保护点】

1.一种基于知识蒸馏的轻量化SAR图像多类型目标检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于知识蒸馏的轻量化SAR图像多类型目标检测方法，其特征在于，利用SAR图像目标的特性对YOLOv8模型进行轻量化改进，具体包括：

3.根据权利要求1所述的基于知识蒸馏的轻量化SAR图像多类型目标检测方法，其特征在于，所述知识蒸馏框架的蒸馏损失表示为：

4.根据权利要求1所述的基于知识蒸馏的轻量化SAR图像多类型目标检测方法，其特征在于，所述目标的类别包括舰船、油罐、桥梁。

5.根据权利要求1所述的基于知识蒸馏的轻量化SAR图像多类...

【技术特征摘要】

1.一种基于知识蒸馏的轻量化sar图像多类型目标检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于知识蒸馏的轻量化sar图像多类型目标检测方法，其特征在于，利用sar图像目标的特性对yolov8模型进行轻量化改进，具体包括：

3.根据权利要求1所述的基于知识蒸馏的轻量化sar图像多类型目标检测方法，其特征在于，所述知识蒸馏框架的蒸馏损失表示为：

4.根据权利要求1所述的基于知识蒸馏的轻量化sar图像多类型目标检测方法，其特征在于，所述目标的类别包括舰船、油罐、桥梁。

5.根据权利要求1所述的基于知识蒸馏的轻量化sar图像多类型目标检测方法，其特征在于，响应于获取的sar图像数据集，对所述知识蒸馏框架进行训练，得到轻量化sar图像检测模型，利用所述轻量化sar图像检测模型识别sar图像中的多类别目标，具体包括：

6.根据权利要求4所述的基于知...

【专利技术属性】
技术研发人员：彭辉，刘思熠，铁菊红，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：