摘要
基于遥感图像开展地物要素分类和提取,是构建数字化战场环境的技术基础,面临着场景多变、类别多样、噪声干扰等挑战.经典深度学习模型结构复杂、计算量大,难以满足低性能、低功耗边缘计算环境下的实时信息处理要求.提出了一种基于知识自蒸馏的轻量化复杂遥感图像精细分类方法,通过构建一步式自蒸馏框架,实现网络从高层到低层的知识迁移.同时通过金字塔池化融合不同尺度的特征信息,显著提升全局上下文信息的利用率,解决轻量化分类模型由于参数较少、复杂度低,导致场景精细分类精度低的难题.在Vaihingen等公开遥感数据集和我国高分遥感数据集上开展实验,较国际同类方法具有更优的分类性能.
-
单位中国科学院; 中国科学院大学