[发明专利]面向小样本残差学习的合成孔径雷达目标识别方法有效
| 申请号： | 201811263252.8 | 申请日： | 2018-10-28 |
| 公开（公告）号： | CN109492556B | 公开（公告）日： | 2022-09-20 |
| 发明（设计）人： | 张帆;傅真珍;赵鹏;尹嫱;胡伟 | 申请（专利权）人： | 北京化工大学 |
| 主分类号： | G06V20/13 | 分类号： | G06V20/13;G06V10/774;G06V10/84;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 沈波 |
| 地址： | 100029 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了面向小样本残差学习的合成孔径雷达目标识别方法，针对SAR图像目标识别任务中人工的高成本以及样本数据有限的问题，该方法使用了18层的残差网络作为基础网路结构，将深度残差学习应用到SAR小样本目标识别中，并将Dropout引入了每个残差块的结构中。使用了Softmax Loss和Center Loss这两种损失函数组合所构成的目标函数来进行监督。本发明主要的实施对象是机载聚束式合成孔径雷达所采集的图像，主要工作是对其进行目标识别。 | ||
| 搜索关键词： | 面向 样本 学习 合成孔径雷达 目标 识别 方法 | ||
【主权项】：
1.面向小样本残差学习的合成孔径雷达目标识别方法，其特征在于：该方法的步骤包括：步骤(1)划分好SAR图像的训练集和测试集并进行图像剪裁和归一化处理；步骤(2)构建加入了Dropout的残差结构，并搭建18层的残差网络模型；步骤(3)用Center Loss损失函数来对网络倒数第二层输出的特征的类内距离进行约束，用Softmax Loss对经过网络最后的Softmax层的输出进行约束；将两个损失函数的损失结果进行加权作为最后的整体损失来监督步骤(2)中所构建的残差网络模型进行训练；步骤(4)对网络的参数进行初始化，并选网络的优化函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京化工大学，未经北京化工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811263252.8/，转载请声明来源钻瓜专利网。
