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！

龙图腾网获悉重庆大学申请的专利基于轮廓增强和协同训练的半监督SAR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：CN119339060B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411446188.2，技术领域涉及：G06V10/25；该发明授权基于轮廓增强和协同训练的半监督SAR目标识别方法及系统是由张新征;闫梦可;蒋代平设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本基于轮廓增强和协同训练的半监督SAR目标识别方法及系统在说明书摘要公布了：本发明涉及一种基于轮廓增强和协同训练的半监督SAR目标识别方法及系统。具体而言，该方法将待识别的SAR图像输入训练好的目标识别模型来生成相应的目标预测结果。训练过程分为两个阶段：第一阶段是，对无标签的SAR图像样本进行轮廓提取和增强处理，然后利用FixMatch框架进行半监督学习。第二阶段是，使用第一阶段中标签样本的弱增广图像输入协同训练网络进行训练，汇总不同轮次的判决结果，并通过熵值判断每个判决结果的可靠性。协同训练网络的共同判决结果组成一个抽样池，从中抽取一定数量的高置信度样本作为伪标签样本来扩充第一阶段的标签训练集，进而使用扩充后的标签训练集继续训练FixMatch。本发明显著提高了SAR目标识别的准确性、可靠性和鲁棒性。

本发明授权基于轮廓增强和协同训练的半监督SAR目标识别方法及系统在权利要求书中公布了：1.基于轮廓增强和协同训练的半监督SAR目标识别方法，其特征在于，包括： S1：获取待识别的SAR图像； S2：将待识别的SAR图像输入训练好的目标识别模型中，输出对应的目标预测结果； 训练目标识别模型时的处理步骤如下： S201：获取用于模型训练的有标签SAR图像样本和无标签SAR图像样本； S202：对无标签SAR图像样本进行轮廓提取和增强处理，得到无标签轮廓增强图像； S203：对无标签轮廓增强图像分别进行强弱增广，得到无标签强增广样本和无标签弱增广样本；对有标签SAR图像样本进行弱增广，得到有标签弱增广样本； S204：利用无标签强增广样本和无标签弱增广样本以及有标签弱增广样本，采用FixMatch框架进行半监督学习，得到基于FixMatch的目标识别模型； S205：将有标签弱增广样本输入包括若干个子模型的协同训练网络进行训练，获取不同训练阶段每个样本对应的目标预测结果；在指定轮次后进行判决，每次判决都取概率值最大的一个类别作为本轮次判决的预测标签；多次判决后，获得协同训练网络中每个子模型对于任一样本的判决结果分布； 步骤S205中，具体包括如下步骤： S2051：构建包含四个子模型的协同训练网络；其中四个子模型的深度和宽度不同； S2052：将有标签弱增广样本输入各个子模型中进行训练，获取每个子模型针对每个样本输出的目标预测结果； S2053：每达到预设轮次后，对所有样本的目标预测结果进行判决：对于每个样本选择所有目标预测结果中概率值最大的类别作为其该判决轮次的预测标签； 公式表示为： label_X1_n＝argmaxy1_n； 式中：label_X1_n表示第一个子模型在第n轮时判决结果中概率最大值的类别，即样本第n轮的预测标签；y1_n表示第一个子模型在第n轮时样本所有预测值中类别的概率分布； 第一个子模型对同一样本的多轮次判决结果表示如下： label_X1＝{label_X1_1,label_X1_2,…,label_X1_n}； S206：基于每个子模型对所有样本的判决结果分布通过熵的特性进行初步筛选；通过多个子模型协同判决确定高置信度的伪标签样本；对于每种类型，随机抽取一定数量伪标签样本； S207：通过抽取的伪标签样本对基于FixMatch的目标识别模型进行监督学习，即扩充FixMatch的标签训练集继续进行训练，得到训练好的目标识别模型； S3：将目标识别模型输出的目标预测结果作为待识别SAR图像的目标类别。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。