基于类激活图的可解释性无数据知识蒸馏方法

本发明公开了基于类激活图的可解释性无数据知识蒸馏方法，包括以下步骤：输入随机噪声至生成器，生成与目标数据集分布相似的合成图像；将合成图像分别输入经过结构调整的教师模型和学生模型；通过教师模型和学生模型分别生成对应的类激活图；将教师类激活图和学生类激活图输入预训练的尺度映射网络，对类激活图进行跨尺度缩放；对经过缩放的类激活图进行正则化处理，得到标准化的教师类激活图与学生类激活图；基于教师类激活图与学生类激活图计算均方误差损失，实现知识传递；最后结合信息熵损失、独热损失与激活损失对生成器进行优化。本发明能够在无真实数据的条件下实现有效的知识蒸馏，提升了蒸馏过程的可解释性与稳定性。