[发明专利]一种成像及识别模型的训练方法、应用方法、装置及介质

权利要求书

1.一种成像及识别模型的训练方法，其特征在于，所述训练方法包括：

获取用于训练成像及识别模型的标注数据，其中，所述标注数据是对雷达采集的目标回波信号进行成像结果标注和分类结果标注得到的；

根据所述标注数据和损失函数，对待训练的成像及识别模型进行训练，获得目标成像及识别模型，其中，所述成像及识别模型的输入是所述目标回波信号，输出是对所述目标回波信号预测的分类结果，所述损失函数是对输入的所述目标回波信号的预测的分类结果和标注分类结果表征的；

其中，所述成像及识别模型包括成像模型和识别模型；

所述根据所述标注数据和损失函数，对待训练的成像及识别模型进行训练，获得目标成像及识别模型，包括：

通过多次迭代的方式对待训练的成像模型进行训练，获得所述成像模型对应的目标参数的值，完成对所述成像模型的初步训练，得到初始成像模型，其中，目标参数的类型至少包括：步长和软阈值；

将所述初始成像模型输出的成像结果输入到待训练的识别模型中，通过所述损失函数对所述待训练的识别模型和所述初始成像模型进行多次反馈训练，获得所述目标成像及识别模型。

2.根据权利要求1所述的方法，其特征在于，所述成像模型包括：初级图像生成模块和目标图像生成模块；其中，

所述通过多次迭代的方式对所述待训练的成像模型进行训练，获得所述成像模型对应的目标参数值，包括：

在第k次迭代中，将所述目标回波信号输入到所述初级图像生成模块，获得第k初级图像，其中，k为大于或等于1的整数；

根据所述目标图像生成模块对所述第k初级图像进行稀疏域变换，获得第k目标图像；

重复上述步骤，直至满足第一终止条件或者达到设定的循环次数，获得所述成像模型对应的目标参数值。

3.根据权利要求2所述的方法，其特征在于，所述目标图像生成模块包括：变换模块和反变换模块；

所述变换模块依次包括：输入层、第一卷积层、第一线性整流层、第一池化层、第二卷积层和输出层；

所述反变换模块依次包括：输入层、第三卷积层、第二线性整流层、第二池化层、第四卷积层和输出层。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述通过多次迭代的方式对所述待训练的成像模型进行训练，获得所述成像模型对应的目标参数值之前，所述方法还包括：

根据成像结果标注数据对待预训练的成像模型进行预训练，获得第i预训练结果，i为大于或等于1的整数；

重复上述步骤，当确认所述第i预训练结果满足第二终止条件，获得所述待训练的成像模型。

5.根据权利要求4所述的方法，其特征在于，所述当确认所述第i预训练结果满足第二终止条件，包括:

根据成像损失函数确定满足所述第二终止条件，其中，所述成像损失函数用于衡量预测图像和成像结果标注数据之间的差异。

6.一种成像及识别模型的应用方法，其特征在于，所述方法包括：

获取雷达采集的目标回波信号；

将所述目标回波信号输入到如权利要求1-5任一项所述的训练方法得到的目标成像及识别模型中，获得成像结果和/或分类结果。