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！

龙图腾网获悉烟台大学申请的专利一种基于MSP-MAE模型的自监督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：CN120071001B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510181330.3，技术领域涉及：G06V10/764；该发明授权一种基于MSP-MAE模型的自监督SAR目标识别方法及系统是由刘珅砚;万训杨;杜晓林;唐梦皎;李洪高;刘兆伟设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于MSP-MAE模型的自监督SAR目标识别方法及系统在说明书摘要公布了：本发明涉及雷达自动目标识别技术领域，尤其是涉及一种基于MSP‑MAE模型的自监督SAR目标识别方法及系统。所述方法，包括获取用于训练和测试的SAR图像数据，基于获取的SAR图像数据进行数据增强，构建MSP‑MAE模型，并利用增强后的图像数据对MSP‑MAE模型进行自监督训练，利用编码器权重参数初始化MSP‑CT模型的部分权重参数；对初始化后的MSP‑CT模型进行参数微调，利用微调后的MSP‑CT模型进行SAR目标识别，本发明将MSP‑MAE编码器的权重参数迁移到MSP‑CT模型中，实现了知识的有效迁移，减少了对标注数据的依赖，同时也提高了模型在小样本数据下的性能，有效解决SAR图像目标识别难题，提升识别准确率。

本发明授权一种基于MSP-MAE模型的自监督SAR目标识别方法及系统在权利要求书中公布了：1.一种基于MSP-MAE模型的自监督SAR目标识别方法，其特征在于，包括： 获取用于训练和测试的SAR图像数据，包括通过OpenSAR-Ship、MSTAR和FUSAR-Ship公开数据集获取图像数据，并对获取的SAR图像数据进行数据增强，包括利用随机裁剪、随机水平翻转和Mixup方法进行数据增强； 构建MSP-MAE模型，并利用增强后的图像数据对MSP-MAE模型进行自监督训练，得到MSP-MAE的模型权重参数，所述构建MSP-MAE模型，并利用增强后的图像数据对MSP-MAE模型进行自监督训练，包括构建由编码器和解码器组成的MSP-MAE模型，所述编码器采用MSP-CT模型编码器，并在第一阶段的线性嵌入层和MSP-CT模块之间添加窗口掩蔽层； 获取训练完成的MSP-MAE模型中编码器权重参数，利用编码器权重参数初始化MSP-CT模型的部分权重参数，对初始化后的MSP-CT模型进行参数微调，并对MSP-CT模型进行有监督训练，最后利用微调后的MSP-CT模型进行SAR目标识别； 其中，所构建的MSP-MAE模型和MSP-CT模型均包括MSP-CT模块，所述对MSP-CT模型进行有监督训练，包括MSP-CT的四个阶段采用MSDC层和MHSA层交替堆叠的结构，通过卷积核进行线性嵌入操作，将除第一阶段外的每个阶段进行下采样，采用由卷积层和特征融合层组成的多尺度倒置前馈网络MSF-FFN作为前馈网络，具体的： MSDC层由以下三个部分构成：多尺度卷积融合模块MSCF、通道注意力模块和空间注意力模块； MSCF模块使用了卷积核为3×3大小的卷积，并通过控制扩张率分别构建三个卷积；另外，在该模块中额外加入了一个卷积核大小为1×1的并行分支，最后将四个分支的特征进行拼接，如下： ， ， 其中，是输入特征图，H和W分别代表特征图的高度和宽度，表示用卷积核大小为1×1的卷积对输入特征图进行卷积操作，是卷积核为3×3的扩张卷积，d为扩张率，表示特征拼接，表示批量归一化操作，表示高斯误差线性单元激活函数；再通过一个卷积核为1×1的卷积将多尺度特征有效的整合起来，并压缩四倍，在每个卷积后面，都加入批归一化层和Gelu激活函数，MSCF模块整体结构如下： ； MSDC模块的整体架构描述如下： ， 其中，表示MSCF模块对输入特征图进行处理，表示空间注意力模块的输出； MSF-FFN模块被表示为： ， ， ， 其中省略了激活层和批归一化，表示该特征图X融合了多尺度的特征信息，表示为多尺度特征融合和残差连接操作；该模块插入一个1×1的卷积分支将通道扩充3倍，来和融合特征形成残差连接，最后通过一个1×1卷积将整体特征进行压缩；具体来说，MSP-CT模型整体架构描述如下： ， ， 其中，是输入的图像，是上一阶段的输出，是线性嵌入，是下采样操作，MHSA表示为多头注意力块，是每个阶段的输出，是模型最终的输出。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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。