[发明专利]影像检索方法、装置、设备及存储介质

权利要求书

1.一种影像检索方法，其特征在于，包括：

获取待识别的遥感影像；

基于学生网络模型对所述遥感影像进行特征提取，得到所述遥感影像的特征数据，其中，所述学生网络模型是基于预先设置的损失函数和预先训练的教师网络模型对待训练的学生网络模型进行蒸馏训练所得；

利用所述学生网络模型中的哈希网络对所述特征数据进行哈希处理，得到所述遥感影像的哈希码；

根据所述遥感影像的哈希码检索所述遥感影像的目标参考影像。

2.根据权利要求1所述的方法，其特征在于，所述基于预先设置的损失函数和预先训练的教师网络模型对待训练的学生网络模型进行蒸馏训练，包括：

获取训练样本集，所述训练样本集包括多个样本影像；

将所述多个样本影像输入至所述学生网络模型和所述教师网络模型，进行模型训练；

在训练过程中，获取所述学生网络模型输出的第一特征向量和所述教师网络模型输出的第二特征向量，其中，所述第一特征向量为所述学生网络模型提取的所述遥感影像的特征，所述第二特征向量为所述教师网络模型提取的所述遥感影像的特征；

将所述第一特征向量与所述第二特征向量分别输入至所述预先设置的损失函数；

基于所述损失函数，调整所述学生网络模型的参数。

3.根据权利要求2所述的方法，其特征在于，在所述基于所述损失函数，调整所述学生网络模型的参数之后，还包括：

在确定所述学生网络模型收敛的情况下，获取训练完成的学生网络模型，所述训练完成的学生网络模型用于检索所述遥感影像的参考影像。

4.根据权利要求2所述的方法，其特征在于，所述损失函数包括第一蒸馏损失函数、第二蒸馏损失函数以及第三蒸馏损失函数；

其中，所述第一蒸馏损失函数，用于对所述学生网络模型的输出进行处理；所述第二蒸馏损失函数，用于对所述学生网络模型的特征空间进行指导；所述第三蒸馏损失函数，用于对所述学生网络模型的哈希码构建的第一相似度矩阵进行指导。

5.根据权利要求4所述的方法，其特征在于，所述损失函数为基于所述第一蒸馏损失函数、第二蒸馏损失函数以及第三蒸馏损失函数进行加权融合得到的融合结果。

6.根据权利要求1所述的方法，其特征在于，所述根据所述遥感影像的哈希码检索所述遥感影像的目标参考影像，包括：

分别计算所述遥感影像的哈希码与预设数据库中各个目标哈希码之间的汉明距离；

将所述遥感影像的哈希码与所述各个目标哈希码之间所述汉明距离最小的所述目标哈希码对应的所述目标遥感影像作为所述遥感影像的目标参考影像。

7.根据权利要求4所述的方法，其特征在于，确定所述第一蒸馏损失函数，其中，通过以下公式确定所述第一蒸馏损失函数：

p_i为所述教师网络模型的第一软标签，q_i为所述学生网络模型对所述遥感影像的类别预测。

8.根据权利要求4所述的方法，其特征在于，确定所述第二蒸馏损失函数，其中，通过以下公式确定所述第二蒸馏损失函数：

W_H为所述学生网络模型的第一网络参数，W_G为所述学生网络模型的第二网络参数，W_r为所述学生网络模型的第三网络参数，v_h为所述教师网络模型依赖于所述第一网络参数W_H的中间特征，v_g为学生网络模型依赖于所述第二网络参数W_G的中间特征，r为学生网络模型依赖于所述第三网络参数W_r的中间特征。