CN117853921A - 遥感单模态到多模态基础模型轻量化组合迁移方法、装置 - Google Patents
遥感单模态到多模态基础模型轻量化组合迁移方法、装置 Download PDFInfo
- Publication number
- CN117853921A CN117853921A CN202410047062.1A CN202410047062A CN117853921A CN 117853921 A CN117853921 A CN 117853921A CN 202410047062 A CN202410047062 A CN 202410047062A CN 117853921 A CN117853921 A CN 117853921A
- Authority
- CN
- China
- Prior art keywords
- mode
- remote sensing
- model
- self
- supervision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013508 migration Methods 0.000 title claims abstract description 29
- 230000005012 migration Effects 0.000 title claims abstract description 29
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000004821 distillation Methods 0.000 claims abstract description 30
- 230000004927 fusion Effects 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000008034 disappearance Effects 0.000 claims description 4
- 238000004880 explosion Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000013140 knowledge distillation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种遥感单模态到多模态基础模型轻量化组合迁移方法、装置、设备及存储介质,可以应用于遥感技术领域。该方法包括:针对遥感领域具有的每个模态,训练基于Swin Transformer的单模态遥感自监督模型;根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型;对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失;通过所述重建损失、对比损失和蒸馏损失,更新所述初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型;利用所述训练完成的多模态遥感自监督模型,处理遥感图像。可提高遥感图像处理精度。
Description
技术领域
本发明涉及遥感领域,尤其涉及一种遥感单模态到多模态基础模型轻量化组合迁移方法、装置。
背景技术
随着我国航天技术的发展,高分辨率遥感卫星相继成功发射,为遥感图像解译提供了更加丰富的数据源。光学遥感图像智能解译逐渐发展成熟,但缺乏有效的SAR、多光谱、高光谱模态遥感图像的解译方法。根据不同模态的特性,本发明设计了适用于处理不同成像模式图像的基础模型,提取了不同模态的稳定特征。
近十年来,深度学习促进了单模态遥感图像解译任务的极大发展。但是在遥感领域,面对海量的时空谱异构数据,亟待构建一个多模态基础模型,促进多个模态信息的整合利用。
发明内容
鉴于上述问题,本发明提供了一种遥感单模态到多模态基础模型轻量化组合迁移方法、装置。
根据本发明的第一个方面,提供了一种遥感单模态到多模态基础模型轻量化组合迁移方法,包括:
针对遥感领域具有的每个模态,训练基于Swin Transformer的单模态遥感自监督模型,所述单模态遥感自监督模型用于处理单个模态的遥感图像;
根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型,所述多模态遥感自监督模型用于处理所有模态的遥感图像;
对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失;
通过所述重建损失、对比损失和蒸馏损失,更新所述初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型;
利用所述训练完成的多模态遥感自监督模型,处理遥感图像。
根据本发明实施例,所述单模态遥感自监督模型包括单模态编码器和单模态解码器;
所述单模态编码器用于将输入的遥感图像转换为一组特征向量,所述特征向量用于所述解码器对遥感图像进行分类或回归;
所述单模态解码器用于根据所述特征向量,生成目标类别的遥感图像。
根据本发明实施例,所述对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损之前,包括:
通过加载每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,对所述多模态遥感自监督模型进行初始化,得到初始化完成的多模态遥感自监督模型;
对于未加载到的每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,使用kaiming方式进行初始化,以防止层激活输出在深度神经网络的正向传递过程中爆炸或消失。
根据本发明实施例,所述多模态遥感自监督模型包括多模态编码器、跨模态对齐融合模块和多模态解码器;
所述多模态编码器包括多个异构分支,每个异构分至对应一个模态的单模态遥感自监督模型的单模态编码器,所述多模态编码器用于提取每个模态的模态特征;
所述跨模态对齐融合模块用于组合每个模态的模态特征;
所述多模态解码器包括每个模态的单模态遥感自监督模型的单模态解码器,所述多模态解码器用于解码每个模态的模态特征。
根据本发明实施例,所述跨模态对齐融合模块用于基于自注意力学习机制,对来自不同传感器的遥感图像之间的特征进行检索和匹配,通过交叉注意机制,组合每个模态间的模态特征。
根据本发明实施例,所述对所述初始化完成的多模态遥感自监督模型进行训练,计算蒸馏损失包括:
将每个模态的单模态遥感自监督模型作为教师模型,所述多模态遥感自监督模型作为学生模型,在多模态的遥感图像经过所述学生模型的编码器后,与对应模态的教师模型输入单模态的遥感图像得到的特征图进行蒸馏,计算蒸馏损失。
根据本发明实施例,所述模态包括光学模态、红外模态、SAR模态、多光谱模态以及高光谱模态中的至少之一。
本发明的第二方面提供了一种遥感单模态到多模态基础模型轻量化组合迁移装置,包括:
单模态模型训练模块,用于针对遥感领域具有的每个模态,训练基于SwinTransformer的单模态遥感自监督模型,所述单模态遥感自监督模型用于处理单个模态的遥感图像;
多模态模型构建模块,用于根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型,所述多模态遥感自监督模型用于处理所有模态的遥感图像;
多模态模型训练模块,用于对所述初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失;
参数更新模块,用于通过所述重建损失、对比损失和蒸馏损失,更新所述初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型;
图像处理模块,用于利用所述训练完成的多模态遥感自监督模型,处理遥感图像。
本发明的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
本发明的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
根据本发明提供的遥感单模态到多模态基础模型轻量化组合迁移方法、装置、设备和介质,设计针对于单个不同模态的单模态遥感自监督模型,学习策略相同,但采用不同的网络实现;设计多模态遥感自监督模型,该模型将包含多个单模态遥感自监督模型的结构,并设计有跨模态对齐融合模块,从而实现多模态之间特征的相互指导;多模态与单模态遥感自监督模型对应的结构部分直接加载其权重,未对应的结构部分采用kaiming初始化;对多模态遥感自监督模型进行训练,采用蒸馏学习,将多模态遥感自监督模型作为学生模型,多个单模态遥感自监督模型作为多教师模型,在训练过程中计算特征图的蒸馏损失,与自监督学习过程中的对比损失、重建损失共同作为多模态遥感自监督模型整体的损失函数进行反向传播和优化。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本发明实施例的遥感单模态到多模态基础模型轻量化组合迁移方法的流程图;
图2示意性示出了根据本发明实施例的实现多模态遥感自监督模型的示意图;
图3示意性示出了根据本发明实施例的模型训练的示意图;
图4示意性示出了根据本发明实施例的遥感单模态到多模态基础模型轻量化组合迁移装置的结构图;
图5示意性示出了根据本发明实施例的适于实现遥感单模态到多模态基础模型轻量化组合迁移方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本发明的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、发明和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本发明的技术方案中,对数据的获取、收集、存储、使用、加工、传输、提供、发明和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
为此,本发明提出基于自注意力机制的跨模态对齐融合模块,解决像素级失调问题,有利于模态间协调促进,提高遥感解译精度。
在视觉领域,对大规模预训练基础模型应用于下游任务,最常使用的方法是全面地端到端微调,这种方法效果虽好,但是存储消耗大、成本昂贵,适配器、知识蒸馏等方法被研究应用于高效微调。训练多模态基础模型也存在训练时间长与资源开销大的问题,本发明在单模态到多模态基础模型的组合迁移中,使用知识蒸馏技术,促进知识从单模态教师模型向多模态基础模型流动,实现模型轻量化训练。
图1示意性示出了根据本发明实施例的遥感单模态到多模态基础模型轻量化组合迁移方法的流程图。
如图1所示,该实施例的遥感单模态到多模态基础模型轻量化组合迁移方法包括操作S110~操作S150。
在操作S110,针对遥感领域具有的每个模态,训练基于Swin Transformer的单模态遥感自监督模型,该单模态遥感自监督模型用于处理单个模态的遥感图像。
在操作S120,根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型,该多模态遥感自监督模型用于处理所有模态的遥感图像。
在操作S130,对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失。
在操作S140,通过该重建损失、对比损失和蒸馏损失,更新该初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型。
在操作S150,利用该训练完成的多模态遥感自监督模型,处理遥感图像。
遥感领域内图像形式包括光学、红外、SAR、多光谱以及高光谱等,相应的,模态包括光学模态、红外模态、SAR模态、多光谱模态以及高光谱模态中的至少之一。
请参阅图2,首先针对遥感领域的光学、红外、SAR、多光谱以及高光谱等图像形式,分别训练基于Swin Transformer的单模态遥感自监督模型用于处理单个模态的数据,单模态遥感自监督模型包括单模态编码器和单模态解码器部分,在遥感自监督模型中,单模态编码器的作用是将输入的遥感图像转换为一组低维特征向量,这些特征向量可以用于后续的解码器进行分类或回归。单模态解码器则根据单模态编码器输出的特征向量生成目标类别的遥感图像。
由于多模态遥感图像成像机理不同,如SAR图像是一种复数图像,而复数可以表示实部和虚部,欧几里得空间只能表示实数。因此,将SAR图像转换为复值域后,可以使用复值网络来处理。类似地,光谱数据的数百个连续谱带可以被视为树状结构,更适合基于双曲距离度量的双曲网络。因此,针对不同模态的遥感图像的成像机理,设计了适用于处理该成像模式呈现图像的单模态遥感自监督模型。虽然有大量的多模态遥感数据,但每个模态几乎不能捕获一个或几个特定属性,因此不能完全描述观察到的场景,这对后续应用造成了很大的限制。因此,本发明将多个单模态遥感自监督模型迁移为多模态遥感自监督模型可以解决单峰数据引起的困境的一种可行方法。通过整合从多模态数据中提取的互补信息,得到了一个更加鲁棒的方法。
本发明一实施例中,多模态遥感自监督模型包括多模态编码器、跨模态对齐融合模块和多模态解码器。该多模态编码器包括多个异构分支,每个异构分至对应一个模态的单模态遥感自监督模型的编码器,该多模态编码器用于提取每个模态的模态特征。该跨模态对齐融合模块用于组合每个模态的模态特征。该多模态解码器包括每个模态的单模态遥感自监督模型的单模态解码器,该多模态解码器用于解码每个模态的模态特征。
以上,设计包含各个单模态编码器部分分支输入的多模态遥感自监督模型。该模型的编码器部分由多个异构的分支组成,每一个分支对应一个单模态遥感自监督模型的单模态编码器部分,采用完全一致的匹配构造。
在对多模态遥感自监督模型进行输入时,每一个单模态编码器分支都将得到该模态经深层特征提取所获得的特征,相关技术中,为了整合这些模态提供的互补信息,设计基于特定领域知识的手工特征,利用粗糙的融合策略,不可避免地会损害融合性能,特别是对于异构数据。
而本发明在多模态编码器后设计了跨模态对齐融合模块。在相关跨模态特征融合方法中,一种常见的方法是利用拼接然后卷积来组合来自多模态输入的特征,从而形成聚合的特征,然而这种方法缺乏可靠的深度信息。而遥感影像的尺寸通常较大,误匹配会导致特征的分析处理不准确,进而导致多模态特征的对齐和融合效果较差。而本发明提出跨模态对齐融合模块,基于自注意力学习机制,对来自不同传感器的图像之间的特征进行检索和匹配,通过交叉注意机制,使模态间的特征得到协同促进,因此可以解决像素级失调问题。
本发明一实施例中,请参阅图3,对该初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损之前,包括:通过加载每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,对该多模态遥感自监督模型进行初始化,得到初始化完成的多模态遥感自监督模型;对于未加载到的每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,使用kaiming方式进行初始化,以防止层激活输出在深度神经网络的正向传递过程中爆炸或消失。也即,多模态与单模态遥感自监督模型对应的结构部分直接加载其权重,未对应的结构部分采用kaiming初始化。
多模态遥感自监督模型的损失计算包括三部分,分别是重建损失,对比损失和蒸馏损失。重建目标指定要预测的原始信号的形式,并使用L1回归损失来计算真实值和重建值之间的差值作为重建损失;为了预测输入样本间的相对距离采用对比损失计算正负样本间的距离;蒸馏损失作用于教师模型和学生模型之间,多个单模态遥感自监督模型作为多个教师模型,多模态遥感自监督模型作为学生模型,在训练时采用特征蒸馏的方法,即多模态遥感图像在经过学生模型的编码器后,与对应模态的教师模型输入单模态图像得到的特征图进行蒸馏,从而使轻量级的学生模型能够学到教师模型的“知识”,达到和教师模型相同的表现。
相关方法多基于单模态遥感数据提取特征,本发明在不同空间进行多种模态特征提取,充分利用模态间的互补信息,提高遥感图像智能解译精度。此外,现有的面向多模态的研究方法去除冗余信息较难,本发明设计跨模态对齐融合,促进模态间的交互,减轻冗余信息的影响。本发明使用知识蒸馏技术,实现轻量化训练,使多模态遥感自监督模型能够快速部署到上千平方公里的分类提取任务中,降低多模态遥感自监督模型训练成本。
基于上述遥感单模态到多模态基础模型轻量化组合迁移方法,本发明还提供了一种遥感单模态到多模态基础模型轻量化组合迁移装置。以下将结合图4对该装置进行详细描述。
图4示意性示出了根据本发明实施例的遥感单模态到多模态基础模型轻量化组合迁移装置的结构框图。
如图4所示,该实施例的遥感单模态到多模态基础模型轻量化组合迁移装置400包括单模态模型训练模块410、多模态模型构建模块420、多模态模型训练模块430、参数更新模块440和图像处理模块450。
单模态模型训练模块410,用于针对遥感领域具有的每个模态,训练基于SwinTransformer的单模态遥感自监督模型,该单模态遥感自监督模型用于处理单个模态的遥感图像;
多模态模型构建模块420,用于根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型,该多模态遥感自监督模型用于处理所有模态的遥感图像;
多模态模型训练模块430,用于对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失;
参数更新模块440,用于通过该重建损失、对比损失和蒸馏损失,更新该初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型;
图像处理模块450,用于利用该训练完成的多模态遥感自监督模型,处理遥感图像。
根据本发明的实施例,该单模态遥感自监督模型包括单模态编码器和单模态解码器;
该单模态编码器用于将输入的遥感图像转换为一组特征向量,该特征向量用于该解码器对遥感图像进行分类或回归;
该单模态解码器用于根据该特征向量,生成目标类别的遥感图像。
根据本发明的实施例,该装置400还包括:
第一加载模块,用于通过加载每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,对该多模态遥感自监督模型进行初始化,得到初始化完成的多模态遥感自监督模型;
第二加载模块,用于对于未加载到的每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,使用kaiming方式进行初始化,以防止层激活输出在深度神经网络的正向传递过程中爆炸或消失。
根据本发明的实施例,该多模态遥感自监督模型包括多模态编码器、跨模态对齐融合模块和多模态解码器;
该多模态编码器包括多个异构分支,每个异构分至对应一个模态的单模态遥感自监督模型的单模态编码器,该多模态编码器用于提取每个模态的模态特征;
该跨模态对齐融合模块用于组合每个模态的模态特征;
该多模态解码器包括每个模态的单模态遥感自监督模型的单模态解码器,该多模态解码器用于解码每个模态的模态特征。
根据本发明的实施例,该跨模态对齐融合模块用于基于自注意力学习机制,对来自不同传感器的遥感图像之间的特征进行检索和匹配,通过交叉注意机制,组合每个模态间的模态特征。
根据本发明的实施例,该对该初始化完成的多模态遥感自监督模型进行训练,计算蒸馏损失包括:
将每个模态的单模态遥感自监督模型作为教师模型,该多模态遥感自监督模型作为学生模型,在多模态的遥感图像经过该学生模型的编码器后,与对应模态的教师模型输入单模态的遥感图像得到的特征图进行蒸馏,计算蒸馏损失。
根据本发明的实施例,该模态包括光学模态、红外模态、SAR模态、多光谱模态以及高光谱模态中的至少之一。
根据本发明的实施例,单模态模型训练模块410、多模态模型构建模块420、多模态模型训练模块430、参数更新模块440和图像处理模块450中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,单模态模型训练模块410、多模态模型构建模块420、多模态模型训练模块430、参数更新模块440和图像处理模块450中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,单模态模型训练模块410、多模态模型构建模块420、多模态模型训练模块430、参数更新模块440和图像处理模块450中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图5示意性示出了根据本发明实施例的适于实现遥感单模态到多模态基础模型轻量化组合迁移方法的电子设备的方框图。
如图5所示,根据本发明实施例的电子设备500包括处理器501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中,存储有电子设备500操作所需的各种程序和数据。处理器 501、ROM502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,该程序也可以存储在除ROM502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备500还可以包括输入/输出(I/O)接口505,输入/输出(I/O)接口505也连接至总线504。电子设备500还可以包括连接至I/O接口505的以下部件中的一项或多项:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本发明实施例所提供的方法。
在该计算机程序被处理器501执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分509被下载和安装,和/或从可拆卸介质511被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时,执行本发明实施例的系统中限定的上述功能。根据本发明的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本发明的各个实施例中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。不脱离本发明的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本发明的范围之内。
Claims (10)
1.一种遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,包括:
针对遥感领域具有的每个模态,训练基于Swin Transformer的单模态遥感自监督模型,所述单模态遥感自监督模型用于处理单个模态的遥感图像;
根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型,所述多模态遥感自监督模型用于处理所有模态的遥感图像;
对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失;
通过所述重建损失、对比损失和蒸馏损失,更新所述初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型;
利用所述训练完成的多模态遥感自监督模型,处理遥感图像。
2.根据权利要求1所述的遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,所述单模态遥感自监督模型包括单模态编码器和单模态解码器;
所述单模态编码器用于将输入的遥感图像转换为一组特征向量,所述特征向量用于所述解码器对遥感图像进行分类或回归;
所述单模态解码器用于根据所述特征向量,生成目标类别的遥感图像。
3.根据权利要求2所述的遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,所述对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损之前,包括:
通过加载每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,对所述多模态遥感自监督模型进行初始化,得到初始化完成的多模态遥感自监督模型;
对于未加载到的每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,使用kaiming方式进行初始化,以防止层激活输出在深度神经网络的正向传递过程中爆炸或消失。
4.根据权利要求1所述的遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,所述多模态遥感自监督模型包括多模态编码器、跨模态对齐融合模块和多模态解码器;
所述多模态编码器包括多个异构分支,每个异构分至对应一个模态的单模态遥感自监督模型的单模态编码器,所述多模态编码器用于提取每个模态的模态特征;
所述跨模态对齐融合模块用于组合每个模态的模态特征;
所述多模态解码器包括每个模态的单模态遥感自监督模型的单模态解码器,所述多模态解码器用于解码每个模态的模态特征。
5.根据权利要求4所述的遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,所述跨模态对齐融合模块用于基于自注意力学习机制,对来自不同传感器的遥感图像之间的特征进行检索和匹配,通过交叉注意机制,组合每个模态间的模态特征。
6.根据权利要求1所述的遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,所述对所述初始化完成的多模态遥感自监督模型进行训练,计算蒸馏损失包括:
将每个模态的单模态遥感自监督模型作为教师模型,所述多模态遥感自监督模型作为学生模型,在多模态的遥感图像经过所述学生模型的编码器后,与对应模态的教师模型输入单模态的遥感图像得到的特征图进行蒸馏,计算蒸馏损失。
7.根据权利要求1所述的遥感单模态到多模态基础模型轻量化组合迁移方法,其特征在于,所述模态包括光学模态、红外模态、SAR模态、多光谱模态以及高光谱模态中的至少之一。
8.一种遥感单模态到多模态基础模型轻量化组合迁移装置,其特征在于,包括:
单模态模型训练模块,用于针对遥感领域具有的每个模态,训练基于SwinTransformer的单模态遥感自监督模型,所述单模态遥感自监督模型用于处理单个模态的遥感图像;
多模态模型构建模块,用于根据每个模态的单模态遥感自监督模型,构建多模态遥感自监督模型,所述多模态遥感自监督模型用于处理所有模态的遥感图像;
多模态模型训练模块,用于对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损失;
参数更新模块,用于通过所述重建损失、对比损失和蒸馏损失,更新所述初始化完成的多模态遥感自监督模型的参数,得到训练完成的多模态遥感自监督模型;
图像处理模块,用于利用所述训练完成的多模态遥感自监督模型,处理遥感图像。
9.根据权利要求8所述的遥感单模态到多模态基础模型轻量化组合迁移装置,其特征在于,所述单模态遥感自监督模型包括单模态编码器和单模态解码器;
所述单模态编码器用于将输入的遥感图像转换为一组特征向量,所述特征向量用于所述解码器对遥感图像进行分类或回归;
所述单模态解码器用于根据所述特征向量,生成目标类别的遥感图像。
10.根据权利要求8所述的遥感单模态到多模态基础模型轻量化组合迁移装置,其特征在于,所述对初始化完成的多模态遥感自监督模型进行训练,计算重建损失、对比损失和蒸馏损之前,包括:
通过加载每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,对所述多模态遥感自监督模型进行初始化,得到初始化完成的多模态遥感自监督模型;
对于未加载到的每个模态的单模态遥感自监督模型的单模态编码器和单模态解码器的权重,使用kaiming方式进行初始化,以防止层激活输出在深度神经网络的正向传递过程中爆炸或消失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410047062.1A CN117853921A (zh) | 2024-01-12 | 2024-01-12 | 遥感单模态到多模态基础模型轻量化组合迁移方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410047062.1A CN117853921A (zh) | 2024-01-12 | 2024-01-12 | 遥感单模态到多模态基础模型轻量化组合迁移方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117853921A true CN117853921A (zh) | 2024-04-09 |
Family
ID=90539895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410047062.1A Pending CN117853921A (zh) | 2024-01-12 | 2024-01-12 | 遥感单模态到多模态基础模型轻量化组合迁移方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117853921A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112119411A (zh) * | 2018-05-14 | 2020-12-22 | 宽腾矽公司 | 用于统合不同数据模态的统计模型的系统和方法 |
US20220284321A1 (en) * | 2021-03-03 | 2022-09-08 | Adobe Inc. | Visual-semantic representation learning via multi-modal contrastive training |
CN115223678A (zh) * | 2022-07-27 | 2022-10-21 | 重庆师范大学 | 基于多任务多模态深度学习的x光胸片诊断报告生成方法 |
CN116486076A (zh) * | 2023-03-31 | 2023-07-25 | 长沙理工大学 | 一种遥感图像语义分割方法、系统、设备及存储介质 |
CN116503636A (zh) * | 2022-12-05 | 2023-07-28 | 中国人民解放军战略支援部队信息工程大学 | 一种基于自监督预训练的多模态遥感影像分类方法 |
-
2024
- 2024-01-12 CN CN202410047062.1A patent/CN117853921A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112119411A (zh) * | 2018-05-14 | 2020-12-22 | 宽腾矽公司 | 用于统合不同数据模态的统计模型的系统和方法 |
US20220284321A1 (en) * | 2021-03-03 | 2022-09-08 | Adobe Inc. | Visual-semantic representation learning via multi-modal contrastive training |
CN115223678A (zh) * | 2022-07-27 | 2022-10-21 | 重庆师范大学 | 基于多任务多模态深度学习的x光胸片诊断报告生成方法 |
CN116503636A (zh) * | 2022-12-05 | 2023-07-28 | 中国人民解放军战略支援部队信息工程大学 | 一种基于自监督预训练的多模态遥感影像分类方法 |
CN116486076A (zh) * | 2023-03-31 | 2023-07-25 | 长沙理工大学 | 一种遥感图像语义分割方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11907637B2 (en) | Image processing method and apparatus, and storage medium | |
Xu et al. | On-board real-time ship detection in HISEA-1 SAR images based on CFAR and lightweight deep learning | |
Han et al. | An efficient and robust integrated geospatial object detection framework for high spatial resolution remote sensing imagery | |
Liu et al. | IM2ELEVATION: Building height estimation from single-view aerial imagery | |
CN105917354A (zh) | 用于图像处理的空间金字塔池化网络 | |
Zeng et al. | Recognition and extraction of high-resolution satellite remote sensing image buildings based on deep learning | |
Guo et al. | Learnable gated convolutional neural network for semantic segmentation in remote-sensing images | |
EP4273754A1 (en) | Neural network training method and related device | |
CN112580720A (zh) | 一种模型训练方法及装置 | |
WO2024083121A1 (zh) | 一种数据处理方法及其装置 | |
CN115512005A (zh) | 一种数据处理方法及其装置 | |
CN111950700A (zh) | 一种神经网络的优化方法及相关设备 | |
CN113378897A (zh) | 基于神经网络的遥感图像分类方法、计算设备及存储介质 | |
Ding et al. | Multi-level attention interactive network for cloud and snow detection segmentation | |
CN116844129A (zh) | 多模态特征对齐融合的路侧目标检测方法、系统及装置 | |
Fetai et al. | Deep learning for detection of visible land boundaries from UAV imagery | |
Chen et al. | Fully automated natural frequency identification based on deep-learning-enhanced computer vision and power spectral density transmissibility | |
Pan et al. | A self-attentive hybrid coding network for 3D change detection in high-resolution optical stereo images | |
Li et al. | Cloud contaminated multispectral remote sensing image enhancement algorithm based on MobileNet | |
Zhang et al. | Hyper-LGNet: Coupling local and global features for hyperspectral image classification | |
Zhang et al. | Learning adjustable reduced downsampling network for small object detection in urban Environments | |
Feng et al. | Height aware understanding of remote sensing images based on cross-task interaction | |
CN112465737A (zh) | 图像处理模型训练方法、图像处理方法及图像处理装置 | |
Li et al. | An integrated underwater structural multi-defects automatic identification and quantification framework for hydraulic tunnel via machine vision and deep learning | |
CN117853921A (zh) | 遥感单模态到多模态基础模型轻量化组合迁移方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |