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余弦原型学习的小样本增量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：CN116863301B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310844611.3，技术领域涉及：G06V10/82；该发明授权基于余弦原型学习的小样本增量SAR图像目标识别方法是由赵凌君;赵琰;张思乾;熊博莅;唐涛;雷琳;冷祥光;匡纲要设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本基于余弦原型学习的小样本增量SAR图像目标识别方法在说明书摘要公布了：本申请涉及一种基于余弦原型学习的小样本增量SAR图像目标识别方法。所述方法提出了余弦原型学习框架，使现有深度学习算法具备基于有限的样本持续更新迭代，而不会失去对旧知识的辨别力；将特定于类别的知识单独表达为余弦原型，在不失模型泛化能力的同时，对目标特征准确表征；采用成对结构分离损失来学习新知识和多样化目标方位角的平滑影响，采用原型一致性损失防止学习到的新知识可迁移性退化；采用原型样本蒸馏损失和原型再校准策略克服算法对旧知识的灾难性遗忘，以连续惩罚语义漂移并减轻学习原型的错位；在推理时，通过比较测试样本和类特定原型之间的余弦相似性，实现对未知样本类别的准确预测。

本发明授权基于余弦原型学习的小样本增量SAR图像目标识别方法在权利要求书中公布了：1.一种基于余弦原型学习的小样本增量SAR图像目标识别方法，其特征在于，所述方法包括： 获取若干个带标签的SAR图像数据集；将第一个SAR图像数据集作为基础会话数据集，将其他SAR图像数据集作为增量会话数据集； 在基础训练阶段，通过余弦交叉熵损失在所述基础会话数据集上对特征提取器进行训练，得到基础训练后的特征提取器和若干个类特定原型；并存储从类集中选择的已保存样本； 在增量训练阶段，将已保存样本和第一个增量会话数据集合并后作为输入，通过增量训练损失对基础训练后的特征提取器进行训练，学习完成后将新类和旧类的原型通过PR策略重新校准，得到第一增量会话后的特征提取器和类特定原型，并存储从第一个增量会话数据集中选择的已保存样本，通过重复上述步骤直到最后一个增量会话数据集，得到训练好的特征提取器和最终类特定原型；所述增量训练损失包括：成对结构分离损失、原型一致性损失以及原型样本蒸馏损失；所述增量训练损失为： 其中，为增量训练损失，为成对结构分离损失，为原型一致性损失，为原型样本蒸馏损失，为参数；分别是选定的锚点和与锚点同类别的正样本，是对比的负样本，是比较对的数量，为第t个SAR图像数据集，为第t-1个已保存样本，SAR图像数据集数量；是来自第个增量阶段的样本集中的样本的高维语义特征，为控制样本间边界，为样本的标签；为选定的锚点和与锚点同类别的正样本之间的距离，为在第t与第t-1个增量学习过程类别c原型的余弦相似性度量结果，为第t个增量过程类别c的原型，为样本的标签，为第t个SAR图像数据集，为类别c所包含的训练样本数，为类别标签，为当前增量阶段总的类别标签集合； 在推理时，通过比较测试样本和最终类特定原型之间的余弦相似性，采用非参数分类器进行评估，确定测试样本类别。

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”。

以上内容由龙图腾AI智能生成。