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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于不确定性的小样本SAR图像目标识别方法及系统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：CN117058445B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310940278.6，技术领域涉及：G06V10/764；该发明授权基于不确定性的小样本SAR图像目标识别方法及系统是由唐涛;周晓艳;何奇山;匡纲要;赵凌君;张思乾;雷琳;冷祥光设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本基于不确定性的小样本SAR图像目标识别方法及系统在说明书摘要公布了：本发明属于图像识别技术领域，公开了一种基于不确定性的小样本SAR图像自动目标识别方法及系统，利用Dirichlet分布对分类结果建模；将Dempster–Shafer理论和Dirichlet分布相结合，推导出证据深度学习的损失函数；结合来自源域的先验信息，推导出适用于无源FSDA的目标识别与不确定性估计损失函数；采用师生网络结构利用无源FSDA的损失函数并结合少量的目标域标注数据对模型进行微调，最终实现SAR的小样本自动目标识别与不确定性估计。本发明SAR小样本自动目标识别使用无源FSDA，解决了传统的FSDA受限问题，为小样本下的可靠性SAR自动目标识别技术提供新的方法。

本发明授权基于不确定性的小样本SAR图像目标识别方法及系统在权利要求书中公布了：1.一种基于不确定性的小样本SAR图像自动目标识别方法，其特征在于，将SAR图像进行预处理，包括去噪、滤波操作；使用目标检测算法对图像中的目标进行检测，并将检测结果作为输入；所述方法包括： S101，利用Dirichlet分布对分类结果建模； S102，将Dempster–Shafer理论和Dirichlet分布相结合，推导出证据深度学习的损失函数； S103，结合来自源域的先验信息，推导出适用于无源FSDA的目标识别与不确定性估计损失函数；最终无源FSDA的损失函数为： 式中部分参数可转换为转换后可得下式；其中，当且仅当同一数据在不同模型上的预测结果相同时有样本处于共享域中，存在βi＝＜1,…,1＞ S104，采用师生网络结构利用无源FSDA的损失函数并结合少量的目标域标注数据对模型进行微调，最终实现SAR的小样本自动目标识别与不确定性估计； S102具体的实现方法为： 1建立证据框架：将目标检测结果转化为证据，利用Dempster-Shafer理论将证据进行合成； 2利用主观逻辑建模不确定性：将证据分配在识别框架上形式化为Dirichlet分布，并利用主观逻辑建模不确定性； 3损失函数推导：通过参数为的神经网络实现证据搜索和Dirichlet参数估计，推导出证据深度学习的损失函数； S103具体的实现方法为： 1来源域数据准备：利用源域数据训练分类器，并提取分类器的特征表示； 2目标域数据准备：利用目标域数据进行无源FSDA，得到目标域的特征表示； 3损失函数推导：结合来自源域的先验信息，推导出适用于无源FSDA的目标识别与不确定性估计损失函数。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。