Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安电子科技大学周峰获国家专利权

西安电子科技大学周峰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西安电子科技大学申请的专利基于深度布朗距离的小样本SAR图像目标识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115481659B

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211063628.7,技术领域涉及:G06V10/764;该发明授权基于深度布朗距离的小样本SAR图像目标识别方法是由周峰;王力;杨鑫瑶;白雪茹;田甜设计研发完成,并于2022-08-31向国家知识产权局提交的专利申请。

基于深度布朗距离的小样本SAR图像目标识别方法在说明书摘要公布了:本发明公开了一种基于深度布朗距离的小样本SAR图像目标识别方法,涉及雷达信号处理技术领域,包括:获取合成孔径雷达图像,并分为训练样本集和测试样本集;构建深度布朗距离协方差模块‑原型网络;其中,深度布朗距离协方差模块‑原型网络包括深度残差神经网络、深度布朗距离协方差模块和欧几里得距离分类器;利用训练样本集对深度布朗距离协方差模块‑原型网络进行小样本训练,得到训练好的深度布朗距离协方差模块‑原型网络;将测试集样本输入训练好的深度布朗距离协方差模块‑原型网络,得到测试查询集的预测标签。本申请能够提高SAR图像目标的识别准确度。

本发明授权基于深度布朗距离的小样本SAR图像目标识别方法在权利要求书中公布了:1.一种基于深度布朗距离的小样本SAR图像目标识别方法,其特征在于,包括: 获取合成孔径雷达图像,并分为训练样本集和测试样本集;其中,所述训练样本集包括训练支持集和训练查询集,所述测试样本集包括测试支持集和测试查询集; 构建深度布朗距离协方差模块-原型网络;其中,所述深度布朗距离协方差模块-原型网络包括深度残差神经网络、深度布朗距离协方差模块和欧几里得距离分类器; 利用所述训练样本集对所述深度布朗距离协方差模块-原型网络进行小样本训练,得到训练好的深度布朗距离协方差模块-原型网络; 将所述测试样本集输入所述训练好的深度布朗距离协方差模块-原型网络,得到所述测试查询集的预测标签;其中,所述将所述测试样本集输入所述训练好的深度布朗距离协方差模块-原型网络,得到所述测试查询集的预测标签的过程包括: 将测试支持集Stest中的样本xj输入训练好的深度布朗距离协方差模块-原型网络,得到测试支持集中的样本的嵌入向量Aθxj,并得到测试支持集中的同类样本的嵌入向量在各个维度上的均值作为测试过程的类原型,其中,计算公式为: 其中,Pi为第i个类原型,为第i类测试支持集,k为测试支持集中每类样本个数; 将测试查询集Qtest中的样本输入训练好的深度布朗距离协方差模块-原型网络,得到测试查询集中的样本的嵌入向量计算测试查询集中的样本的嵌入向量与类原型之间距离的最小值,得到测试查询样本的预测标签,其中,计算公式为: 其中,d·为欧几里得距离, 为查询样本嵌入向量与类原型之间的欧几里得距离; 对比训练好的深度布朗距离协方差模块-原型网络对所有测试查询样本的预测标签与真实标签,得到识别准确率;其中,计算公式为: 其中,I·为指数函数,当成立,则识别准确率为1,否则为0;,为模型对查询样本的预测标签,yj为查询样本的真实标签,|Qtest|为测试查询集的样本数量,Acc为模型的测试准确率。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安电子科技大学,其通讯地址为:710071 陕西省西安市太白南路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。