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一种基于全卷积轻量化神经网络的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：CN115331106B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211003301.0，技术领域涉及：G06V20/10；该发明授权一种基于全卷积轻量化神经网络的SAR图像目标识别方法是由陈渤;张思源;张婷;刘宏伟;王英华;王鹏辉;纠博设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本一种基于全卷积轻量化神经网络的SAR图像目标识别方法在说明书摘要公布了：本发明涉及雷达图像处理领域，具体涉及一种基于全卷积轻量化神经网络的SAR图像目标识别方法。本发明构建基于注意力机制的全卷积轻量化神经网络模型，并对网络模型进行基于细粒度的模型饱和量化压缩处理，使得网络模型在能够嵌入到FPGA等边缘设备，满足实时性、低存储的需求的同时，对SAR图像保持较高的识别精度。

本发明授权一种基于全卷积轻量化神经网络的SAR图像目标识别方法在权利要求书中公布了：1.一种基于全卷积轻量化神经网络的SAR图像目标识别方法，其特征在于，包括以下步骤： 步骤1，获得SAR图像集，将每个SAR图像和对应的类别作为一组数据，得到包含多组数据的样本集；将样本集随机划分为训练集和测试集，并对所有样本均做归一化处理； 步骤2，构建基于注意力机制的全卷积轻量化神经网络模型ψ； 步骤3，对基于注意力机制的全卷积轻量化神经网络模型ψ进行训练，得到训练好的基于注意力机制的全卷积轻量化神经网络模型ψ’； 步骤4，对训练好的基于注意力机制的全卷积轻量化神经网络模型ψ’进行基于细粒度的模型饱和量化压缩处理； 步骤4的子步骤如下： 子步骤4.1，从测试集中随机选出一部分数据作为校准集；将校准集的每一张SAR图像都跑一次前向推理，统计每一层的每一个通道数据的分布直方图，其中每一个分布直方图的Bin为2048； 子步骤4.2，将原始分布直方图从第128个Bin开始，一直到最后一个Bin均进行截断处理，计算原始分布直方图与截断后的分布直方图的KL散度，KL散度的计算公式如下： 式中，p为原始分布，q为截断后的分布，信息熵交叉熵 令KL散度最小的Bin作为最佳阈值T；每一层的每一个通道数据都需要找到一个最佳阈值T； 子步骤4.3，利用最佳阈值T计算激活值的量化因子scale_X,并提前存储为量化因子表； 子步骤4.4，利用权重数据中每一层的每一通道中的绝对值最大值对该通道权重数据提前做量化，即非饱和量化，并对量化好的定点型权重数据做好存储；量化公式为： 式中，W为浮点型权重，QW为int8位宽的定点型权重； 子步骤4.5，利用量化因子scale_X，在前向推理过程中，实时对激活值数据进行饱和量化，量化公式为： X＝scale_X×QX 式中，X为浮点型激活值，QX为定点型激活值； 子步骤4.6，前向推理过程中，读取提前存储好的定点型权重及其量化因子，并实时对激活值完成饱和量化，每一层量化结束后，将定点权重与定点激活值相乘后再用量化因子反量化成浮点型数据后进入下一层； 子步骤4.7，在前向推理过程中将BN层与该BN层前面的卷积层合并计算；步骤5，使用处理后的基于注意力机制的全卷积轻量化神经网络模型对SAR图像目标进行识别，得到该SAR图像目标的目标类型。

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 陕西省西安市雁塔区太白南路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”。