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！

龙图腾网获悉安徽大学;中国电子科技集团公司第三十八研究所申请的专利一种基于原型对比的SAR图像增量小样本目标检测系统及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：CN120807885B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510909709.1，技术领域涉及：G06V10/25；该发明授权一种基于原型对比的SAR图像增量小样本目标检测系统及方法是由陈杰;王智伟;张艳;曹宜策;王帅;杨延睿;许涛;沈明星;黄志祥;邬伯才设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于原型对比的SAR图像增量小样本目标检测系统及方法在说明书摘要公布了：本发明公开了一种基于原型对比的SAR图像增量小样本目标检测系统及方法，系统包括：类原型表征生成模块、混合类原型对比编码模块、类原型校准模块和目标检测模块；所述类原型表征生成模块用于基于预训练模型提取历史SAR图像的基础类RoI特征均值作为类原型；所述混合类原型对比编码模块用于结合新增类样本和所述类原型设计损失函数，强制同类聚合、异类分离，优化特征空间；所述类原型校准模块用于通过高斯核函数度量并最小化所述新增类样本和所述类原型的分布差异，约束增量阶段的表征偏移，得到InFSAR模型；所述目标检测模块用于获取SAR图像，并基于所述InFSAR模型进行小样本目标检测。

本发明授权一种基于原型对比的SAR图像增量小样本目标检测系统及方法在权利要求书中公布了：1.一种基于原型对比的SAR图像增量小样本目标检测系统，其特征在于，包括：类原型表征生成模块、混合类原型对比编码模块、类原型校准模块和目标检测模块； 所述类原型表征生成模块用于基于预训练模型提取历史SAR图像的基础类RoI特征均值作为类原型； 所述混合类原型对比编码模块用于结合新增类样本和所述类原型设计损失函数，强制同类聚合、异类分离，优化特征空间； 所述类原型校准模块用于通过高斯核函数度量并最小化所述新增类样本和所述类原型的分布差异，约束增量阶段的表征偏移，得到InFSAR模型； 所述目标检测模块用于获取SAR图像，并基于所述InFSAR模型进行小样本目标检测； 所述类原型表征生成模块的工作流程包括： 采用Faster R‑CNN目标检测框架，主干网络为ResNet‑101结合特征金字塔网络构建特征提取模型； 获取船舶的所述历史SAR图像，并利用所述历史SAR图像训练所述特征提取模型，得到所述预训练模型； 利用所述预训练模型提取所述历史SAR图像的基础类RoI特征，并计算所述基础类RoI特征的均值表征，得到所述类原型： ，其中，pc表示类原型，xc表示历史SAR图像的所有样本集合，xi表示输入特征向量，yi表示类别标签，fθ表示预训练模型的特征提取器； 所述混合类原型对比编码模块的工作流程包括： 输入所述新增类样本的K‑shot样本，通过冻结的特征提取器获取RoI特征向量ϕi； 计算所述特征向量ϕi与类原型集合P={p1,…,pc}之间的余弦相似度： ，其中，sim表示余弦相似度，ϕj表示混合类原型对比编码模块嵌入的向量； 基于所述余弦相似度，结合新增类样本和所述类原型设计损失函数： ，，其中，M表示个标记样本示例的数据集个数，φi表示为与其真值框匹配的IoU分数，ε表示交并比 IoU 的阈值，Myi表示当前批次中同类样本数量，表示指示函数，yj表示与第j个 RoI 特征，C表示类别总数，c表示类别数，pk表示类别为k的类原型，τ表示温度系数； 基于所述损失函数，强制同类样本在特征空间中聚合，同时分离新类与基础类原型，优化特征空间； 所述类原型校准模块的工作流程包括： 给定类原型的分布E={dj|j=1,…,C} 和新增类样本的分布F={fi|i=1,…,Q}，其中dj和fi分别表示类原型与新增类样本的概率分布； 通过高斯核函数计算最大均值差异，量化两类分布的距离： ，，其中，kx,y表示高斯核函数，σ表示超参数，MMD表示最大均值差异，m表示集合F中的样本数，n表示集合E中的样本数； 通过将MMD作为正则项加入总损失函数，实现新类原型分布对类原型分布的逼近，从而约束增量学习过程中的表征偏移，得到所述InFSAR模型。

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安徽大学;中国电子科技集团公司第三十八研究所，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。