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场景特性学习的半监督SAR舰船检测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：CN115953695B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310015820.7，技术领域涉及：G06V20/13；该发明授权基于场景特性学习的半监督SAR舰船检测方法是由杜兰;杜宇昂;郭昱辰;石钰;李毅设计研发完成，并于2023-01-05向国家知识产权局提交的专利申请。

本基于场景特性学习的半监督SAR舰船检测方法在说明书摘要公布了：本发明公开了一种基于场景特性学习的半监督SAR舰船检测方法，主要解决现有技术在网络训练时对目标级标注的SAR图像依赖过高，且对复杂场景目标检测虚警过多的问题，其方案为：采集大幅SAR图像生成训练集；构建半监督SAR舰船检测网络，并对其进行训练；将待测试SAR图像输入到训练好的半监督SAR舰船检测网络中，得出不同场景测试子图像的目标框位置和类别；将每张测试子图像的目标框位置映射到待测试的每张大幅SAR图像的对应位置上，得到大幅SAR图像的舰船检测结果。本发明减轻了网络训练对目标级标注的依赖，降低了内陆虚警、近岸虚警和远海漏警，提升了SAR舰船检测性能，可用于从SAR图像中检测出感兴趣的舰船目标。

本发明授权基于场景特性学习的半监督SAR舰船检测方法在权利要求书中公布了：1.一种基于场景特性学习的半监督SAR舰船检测方法，其特征在于，包括如下步骤： 1生成训练集： 采集至少21张大幅SAR图像，将每张大幅SAR图像裁剪为512×512大小的多张子图像；从包含舰船目标的子图像中随机挑选30％进行目标级标记和场景级标记，其余的子图像只进行场景级标记，将所有标记后的子图像组成训练集； 2构建半监督SAR舰船检测网络： 2a搭建一个由八个卷积块串联组成的特征提取子网络； 2b搭建一个由四个卷积块和四个检测头组成的检测子网络，其中四个卷积块首先依次串联连接，然后每个卷积块再分别与其对应的检测头连接； 2c搭建由场景识别模块和场景聚合模块并联组成的场景特性学习子网络； 2d将场景特性学习子网络与检测子网络并联，然后将它们与特征提取子网络串联构成半监督SAR舰船检测网络； 3将训练集输入到半监督SAR舰船检测网络中，利用随机梯度下降算法，迭代更新网络的权重值，优化网络的总损失函数直至其收敛，得到训练好的半监督SAR舰船检测网络； 4检测待测试SAR图像中的目标框位置： 4a将待测试的大幅SAR图像滑窗裁剪为多张512×512大小的子图像； 4b将每张测试子图像依次输入到训练好的特征提取子网络和场景识别模块中，得到测试子图像的场景识别结果； 4c根据场景识别结果，得出目标框位置和目标框类别： 对于场景识别结果为内陆场景的测试子图像，输出检测结果为无目标； 对于场景识别结果为近岸场景的测试子图像，将该测试子图像输入到检测子网络中，并设置近岸检测阈值thin，得到该测试子图像的目标框位置和目标框类别； 对于场景识别结果为远海场景的测试子图像，将该测试子图像输入到检测子网络中，并设置远海检测阈值thoff，得到该测试子图像的目标框位置和目标框类别； 5依照滑窗的顺序，将每张测试子图像的目标框位置映射到待测试的每张大幅SAR图像的对应位置上，得到大幅SAR图像的舰船检测结果。

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”。