一种基于类别边界不确定性的关系型知识蒸馏方法

本发明公开了一种基于类别边界不确定性的关系型知识蒸馏方法。1)一张图像同时分别经过两个网络分支的特征编码器得到中间特征图谱，再经解码器得到最后的分割预测图谱；2)基于步骤1)得到的中间特征图谱，计算特征级的一致性蒸馏损失；3)基于步骤1)得到的分割预测图谱，计算像素级的一致性蒸馏损失；4)基于步骤1)得到的双分支的分割预测图谱及其对应的真实类别标签A，分别计算分支1和2的目标损失；5)计算总的优化损失函数；6)基于步骤5)的损失函数训练模型。本发明引入BURKD算法，可以更好地建模样本间和类别间的关系，采用基于类别边界不确定的方法对每一种类别进行适应性的动态加权，提高语义分割的性能。