类火星地貌识别分类旨在通过分析类火星地貌图像,模拟研究火星环境,对火星形成演化及潜在宜居环境探索等科学问题具有重要研究意义。针对目前火星地貌分类算法难以平衡模型分类效果和轻量化程度的问题,提出一种轻量化类火星地貌快速识...类火星地貌识别分类旨在通过分析类火星地貌图像,模拟研究火星环境,对火星形成演化及潜在宜居环境探索等科学问题具有重要研究意义。针对目前火星地貌分类算法难以平衡模型分类效果和轻量化程度的问题,提出一种轻量化类火星地貌快速识别分类方法(Lightweight Rapid Recognition and Classification for Mars Analog Terrain,LWNet),构建双分支教师-学生网络,利用知识蒸馏技术减少模型参数量与计算量,并嵌入注意力机制提高对地貌类型的分类识别能力,实现分类模型的高精度和轻量化。为验证所提方法的分类性能表现,通过采集地球上相似地貌,构建了包括悬崖断面、沙漠、河道及雅丹在内的4种典型类火星地貌数据集,每种地貌类型各获取800张图像,用于LWNet开展快速识别分类实验。结果表明,LWNet总体分类精度达到97.81%,相较于精度最高的Swin-Transformer仅下降了1.25%,而其参数量和计算量却只有Swin-Transformer的1.3%和4.8%,验证了所提轻量化类火星地貌快速识别分类方法的有效性和优越性。展开更多
文摘类火星地貌识别分类旨在通过分析类火星地貌图像,模拟研究火星环境,对火星形成演化及潜在宜居环境探索等科学问题具有重要研究意义。针对目前火星地貌分类算法难以平衡模型分类效果和轻量化程度的问题,提出一种轻量化类火星地貌快速识别分类方法(Lightweight Rapid Recognition and Classification for Mars Analog Terrain,LWNet),构建双分支教师-学生网络,利用知识蒸馏技术减少模型参数量与计算量,并嵌入注意力机制提高对地貌类型的分类识别能力,实现分类模型的高精度和轻量化。为验证所提方法的分类性能表现,通过采集地球上相似地貌,构建了包括悬崖断面、沙漠、河道及雅丹在内的4种典型类火星地貌数据集,每种地貌类型各获取800张图像,用于LWNet开展快速识别分类实验。结果表明,LWNet总体分类精度达到97.81%,相较于精度最高的Swin-Transformer仅下降了1.25%,而其参数量和计算量却只有Swin-Transformer的1.3%和4.8%,验证了所提轻量化类火星地貌快速识别分类方法的有效性和优越性。
