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自监督学习和最近邻网络的小样本SAR目标分类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：CN115482461B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202211032994.6，技术领域涉及：G06V20/10；该发明授权基于自监督学习和最近邻网络的小样本SAR目标分类方法是由李明;郑佳;张澍;吴艳;张鹏设计研发完成，并于2022-08-26向国家知识产权局提交的专利申请。

本基于自监督学习和最近邻网络的小样本SAR目标分类方法在说明书摘要公布了：本发明涉及一种基于自监督学习和最近邻网络的小样本SAR目标分类方法，包括：从若干合成孔径雷达图像中获取训练任务集和测试任务集；构建预训练阶段网络模型；利用训练任务集对预训练阶段网络模型进行迭代训练；构建自监督训练阶段网络模型；将训练好的预训练阶段网络模型的参数加载到自监督训练阶段网络模型中，并利用训练任务集对加载后的自监督训练阶段网络模型进行迭代训练；将测试任务集输入训练好的第三特征提取模块进行特征提取，得到测试特征向量组集合；计算测试特征向量组集合中测试查询样本对应的测试特征向量和每一个测试支撑样本对应的测试特征向量的相似度，得到目标分类结果。该分类方法有效地提高了小样本目标的分类准确率。

本发明授权基于自监督学习和最近邻网络的小样本SAR目标分类方法在权利要求书中公布了：1.一种基于自监督学习和最近邻网络的小样本SAR目标分类方法，其特征在于，包括步骤： S1、从若干合成孔径雷达图像中获取训练任务集和测试任务集，其中，所述训练任务集中每个训练任务包括训练支撑样本和训练查询样本，所述测试任务集中每个测试任务包测试支撑样本集和测试查询样本； S2、构建预训练阶段网络模型，其中，所述预训练阶段网络模型包括依次级联的第一特征提取模块、多层感知机模块和相似度计算模块； S3、利用所述训练任务集对预训练阶段网络模型进行迭代训练，并利用交叉熵损失函数对所述预训练阶段网络模型进行更新，得到训练好的预训练阶段网络模型； S4、构建自监督训练阶段网络模型，其中，所述自监督训练阶段网络模型包括并联的第二特征提取模块和第三特征提取模块，所述第一特征提取模块、所述第二特征提取模块和所述第三特征提取模块的结构相同； S5、将所述训练好的预训练阶段网络模型中所述第一特征提取模块的参数加载到所述自监督训练阶段网络模型中，并利用所述训练任务集对加载后的自监督训练阶段网络模型进行迭代训练，在训练过程中，利用负余弦相似度损失函数和自监督损失函数对所述第三特征提取模块进行更新，得到训练好的第三特征提取模块； S6、将所述测试任务集输入到所述训练好的第三特征提取模块进行特征提取，得到测试特征向量组集合； S7、计算所述测试特征向量组集合中所述测试查询样本对应的测试特征向量和每一个所述测试支撑样本对应的测试特征向量的相似度，得到目标分类结果。

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”。