基于分级递进和集体知识的无人机目标检测蒸馏方法技术

本发明专利技术公开了一种基于分级递进和集体知识的无人机目标检测蒸馏方法。该方法基于不同规模模型间存在的理解偏差现象，在第一阶段进行高级教师网络对初级教师网络的特征CKA知识蒸馏，让初级教师网络学习高级教师网络的特征映射能力；然后在第二阶段，对初级教师网络学习高级教师网络输出的特征进行集体知识提取，通过特征损失函数拉近集体知识和学生网络的特征距离，使学生网络学习到更为关键，凝练的知识；最后将学生网络部署到无人机平台上，利用实际拍摄视频输入到网络中，实现模型的实时检测。本发明专利技术不仅提高了学生模型在目标检测任务中的性能，还通过两阶段的知识蒸馏策略，显著提升了知识传递的效率。此外，本发明专利技术还推进了目标检测算法在无人机平台的应用，为无人机在复杂环境下的实时监控和分析提供了技术支持。

【技术实现步骤摘要】

本专利技术涉及无人机目标检测蒸馏方法，特别是涉及以理解偏差为基础、构造多级结构，从多个教师中提取集体知识的知识蒸馏方法，属于计算机应用领域。

技术介绍

1、目标检测是计算机视觉的一个重要研究课题，已大范围应用于多个领域，如交通监测、城市规划、精细农业和救灾。传统的获取目标的方法主要依靠卫星和有人驾驶的飞机。近年来，由于无人机具有体积小、机动灵活等优点，在民用、军事、科研等领域得到了越来越普遍的应用。

2、随着深度神经网络技术的出现，图像的高级特征可以通过多个卷积和池层提取，从而实现目标检测。经典的目标检测深层神经网络分为两类:两阶段算法和一阶段算法。一阶段算法，如ssd和yolo等单级网络模型能够直接输出类别概率和坐标位置，此外，还有一些更为轻量且快速的网络架构，如mobilenet ssd、yolov3、espnetv2等，相较于两阶段网络，它们在速度上具有显著优势。因此，在实际应用到无人机平台时，这些单级网络因对速度的高要求而备受青睐。

3、基于深度学习的无人机目标检测能够在飞行过程中实时获取和分析地面场景信息，从而提高无人机的本文档来自技高网...

【技术保护点】

1.一种基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，方法包括如下步骤：

2.根据权利要求1所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，所述步骤1的具体过程为：

3.根据权利要求1所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，所述步骤2的具体过程为：

4.根据权利要求3所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，

5.根据权利要求1所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，所述步骤3的具体过程为：

6.根据权利要求5所述基于分级递进和集...

【技术特征摘要】

1.一种基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，方法包括如下步骤：

2.根据权利要求1所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，所述步骤1的具体过程为：

3.根据权利要求1所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，所述步骤2的具体过程为：

4.根据权利要求3所述基于分级递进和集体知识的无人机目标检测蒸馏方法，其特征在于，

...

【专利技术属性】
技术研发人员：刘凡，姚亮，欧志权，张新蕾，程凡，吴铭，蔡镇锽，张传一，黄倩，
申请(专利权)人：河海大学，
类型：发明
国别省市：