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！

龙图腾网获悉西北工业大学申请的专利一种基于EfficientNet的水下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：CN115204214B 。

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：202210693950.1，技术领域涉及：G06V20/05；该发明授权一种基于EfficientNet的水下目标识别方法是由梁红;陈禹乐设计研发完成，并于2022-06-19向国家知识产权局提交的专利申请。

本一种基于EfficientNet的水下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EfficientNet的水下目标识别方法，首先对水下目标主动声呐回波信号使用Mel谱特征提取方法得到每组回波信号的Mel谱图像；将Mel谱图像数据集分为训练集、验证集和测试集，并进行预处理；采用深度卷积生成对抗网络GAN‑S对训练集进行扩充；将扩充后的训练样本输入深度卷积神经网络ConvNet‑S，进行有监督的训练，得到卷积神经网络的各层参数；将测试集中的Mel谱图像输入训练后的深度卷积神经网络ConvNet‑S中，得到每个Mel谱图像的识别结果，统计各类目标的测试集识别准确率得到最终识别结果。本发明可以有效提取水下目标的类别特征，相较于其他现有算法显著提高了识别准确率。

本发明授权一种基于EfficientNet的水下目标识别方法在权利要求书中公布了：1.一种基于EfficientNet的水下目标识别方法，其特征在于，包括如下步骤： 步骤1：对水下目标主动声呐回波信号使用Mel谱特征提取方法得到每组回波信号的Mel谱图像； 步骤2：由步骤1得到的Mel谱图像构建水下目标的Mel谱图像数据集，将Mel谱图像数据集分为训练集、验证集和测试集，并进行预处理； 步骤3：采用深度卷积生成对抗网络GAN-S对训练集进行扩充； 所述深度卷积生成对抗网络GAN-S包括用来捕获数据特点分布细节的生成模型G和来自真实训练数据x用来估计样本数据的判别模型D两部分； 设定生成模型G的任务是使得判别模型D判断错误的概率最大化，同时设定判别模型D的任务为辨别来自样本的数据和来自生成模型G的数据；定义生成模型G生成数据的分布为Pg，输入噪声的先验变量为Pzz，使用Gz；θg来代表数据空间的映射，其中Gg是一个含有参数θg的多层感知机；再定义Dx；θd也为一个多层感知机，用来输出一个单独的标签标量；Dx代表x来自于真实数据分布Pdatax而不是Pg的概率；通过训练判别模型D来最大化判别正确标签的概率，训练生成模型G来最小化log1-DGz，这样D和G的训练过程便是一个关于值函数VG；D的极小化极大的二人博弈问题： 其中： 当训练D和G使D无法辨别G产生的数据和真实数据时，有Pgx＝Pdatax，此时Dx＝0.5，即训练过程达到了最佳； 生成模型G首先产生100维的随机噪声，通过全连接层映射为大小147456的矩阵，并将其转化为12×12×1024的特征图，1024为通道数；使用分组对称填充方式，通过5个反卷积层TransConv的反向卷积操作将特征图尺寸翻倍，再对特征图进行缩减，最终输出384×384×3的特征图；判别模型D则通过对生成器输出的384×384×3尺寸特征图进行卷积操作实现特征提取，最后由全连接层映射后输出；在生成器和判别器中均引入了批次标准化层BN以及激活函数对特征值进行归一化；判别器中加入Dropout层抑制过拟合现象； 步骤4：将扩充后的训练样本输入深度卷积神经网络ConvNet-S，进行有监督的训练，得到卷积神经网络的各层参数； 步骤5：将测试集中的Mel谱图像输入训练后的深度卷积神经网络ConvNet-S中，得到每个Mel谱图像的识别结果，统计各类目标的测试集识别准确率得到最终识别结果。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。