申请/专利权人：松立控股集团股份有限公司

申请日：2024-04-16

公开（公告）日：2024-06-18

公开（公告）号：CN118212419A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/774;G06V10/80;G06V10/778;G06V20/10

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明属于城市街景分割技术领域，涉及一种基于知识蒸馏和辅助调整策略的城市街景分割方法，通过具有相对复杂设计的教师网络在训练的过程中借助辅助调整策略辅助学生网络进行学习，从而达到相对轻量化的学生网络拥有近似复杂设计的教师网络的预测的能力，在辅助调整策略中，学生网络不仅仅要学习教师网络最终的分割结果，也要学习教师网络中所产生的特征边缘图以及初始特征分割图，通过这种调整策略和教师‑学生的网络设计，在轻量化的模型上提升城市街景分割效果的能力，使其接近复杂模型所拥有的分割效果，可应用于无人驾驶的城市街景分割任务，能够在较短时间内有效地对城市街景图进行分割。

主权项：1.一种基于知识蒸馏和辅助调整策略的城市街景分割方法，其特征在于，具体包括如下步骤：S1、数据集构建：收集包含城市街景分割的数据集，对原始数据进行增广后再与原始数据合并，形成新的包含城市街景图像的数据集，并将数据集总量的8：1：1的方式将数据集划分为训练集、验证集和测试集；S2、初级抽象特征提取：对于输入的城市街景图像，教师网络和学生网络分别进行初级抽象特征的提取，得到教师网络和学生网络的初级抽象特征；S3、边缘特征提取：在教师网络和学生网络均嵌入边缘特征提取模块进行边缘特征提取得到相应的边缘特征；S4、特征融合：在教师网络和学生网络中，将步骤S2获得的初级抽象特征和步骤S3获得的边缘特征通过特征融合模块采进行重组融合，分别得到教师网络和学生网络的融合特征；S5、辅助调整策略应用：采用知识蒸馏模型的设计，通过辅助调整策略使教师网络指导学生网络进行学习；S6、训练网络结构：训练时，将初始学习率被设定为0.02，每次经过20个训练周期学习率缩小到上一次学习率的一半，训练过程中采用Adam优化器，训练前100个训练周期中，每次经过40个周期在验证集上进行一次测试并保存所测试的mIou值，100个训练周期后，每次经过10个周期在验证集上进行一次测试，经过30个训练周期在验证集上没有显著效果提升时，停止训练，并保存模型为最优训练模型；S7、测试网络：将待预测图像调整到与训练时所采用的图像相同的分辨率，加载学生网络在训练的过程中产生的最优训练模型，并采用学生网络对城市街景图像进行预测。

全文数据：

权利要求：

百度查询： 松立控股集团股份有限公司 一种基于知识蒸馏和辅助调整策略的城市街景分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD