计算机应用

作者：李雪, 姚光乐, 王洪辉, 李军, 周皓然, 叶绍泽

单位：1.地质灾害防治与地质环境保护国家重点实验室(成都理工大学), 成都 610059；2.成都理工大学 计算机与网络安全学院, 成都 610059；3.江西省自然灾害监测预警与评估重点实验室(江西师范大学), 南昌 330022；4.深圳市森歌数据技术有限公司, 广东 深圳 518052

关键词：遥感影像分类,增量学习,知识蒸馏,协同学习,微调

基金：四川省重点研发项目(2021YFG0298);四川省基础研究项目(2021YJ0086);数学地质四川省重点实验室开放基金资助项目(SCSXDZ2020YB04)

深度学习模型在遥感影像分类中取得了显著的成绩。随着新的遥感数据不断被采集，基于深度学习的遥感影像分类模型在训练新数据、学习新知识时，对旧数据的识别性能会下降，即旧知识遗忘。为帮助遥感影像分类模型巩固旧知识和学习新知识，提出一种基于样本增量学习的遥感影像分类模型——增量协同学习知识模型（ICLKM）。该模型由两个知识网络组成，第一个网络通过知识蒸馏保留旧模型的输出，缓解知识遗忘问题；第二个网络将新数据的输出作为第一个网络的学习目标，通过维护双网络模型的一致性有效地学习新知识。最后两个网络共同学习，通过知识协同策略生成更精确的模型。在两个遥感数据集NWPU-RESISC45和AID上的实验结果表明，相较于微调训练（FT）方法，ICLKM的准确率分别提升了3.53和6.70个百分点。可见ICLKM能够有效解决遥感影像分类的知识遗忘问题，不断提高对已知遥感影像的识别准确率。

来源：2024年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第3期