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！

龙图腾网获悉电子科技大学申请的专利一种基于小样本的半监督高效视频SAR阴影追踪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：CN119904771B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411880886.3，技术领域涉及：G06V20/40；该发明授权一种基于小样本的半监督高效视频SAR阴影追踪方法是由杨夏青;高森浩;张冰杰;齐智灵;师君;陈家辉;黄金元;余湋;刘田设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于小样本的半监督高效视频SAR阴影追踪方法在说明书摘要公布了：本申请公开了一种基于小样本的半监督高效视频SAR阴影追踪方法，属于雷达目标识别领域。本申请所提方法解决了传统阴影跟踪技术的局限性，通过改进的分割模型和半监督策略策略，提升了阴影区域的检测精度和鲁棒性；基于所设计的新的混合训练策略，有效的整合了有标签与无标签数据，显著提高了模型的学习效率和泛化能力。通过将深度学习技术和半监督学习策略结合，充分利用有限的标注数据与丰富的无标注数据，解决了传统方法在小样本条件下的不足，有效提升SAR图像中阴影区域的检测和跟踪精度。

本发明授权一种基于小样本的半监督高效视频SAR阴影追踪方法在权利要求书中公布了：1.一种基于小样本的半监督高效视频SAR阴影追踪方法，其特征在于，包括下列步骤： 步骤1、获取SAR图像并对其进行图像预处理，基于图像预处理后的若干幅各SAR图像得到原始数据集；其中，图像预处理包括：图像二值化处理，以及将二值化处理后的图像进行图像尺寸归一化处理； 步骤2，将原始数据集分为有标签原始数据集和无标签原始数据集； 步骤3，对有标签原始数据集进行第一训练集和第一验证集的划分，再基于第一训练集对设置的语义分割模型进行有监督训练以优化模型的网络参数，并基于第一验证集对语义分割模的超参数进行调优；且有监督训练时的损失函数采用一致性损失； 其中，语义分割模型用于识别多个目标并进行分割，其输出层用于对输入数据进行N+1分类及其分割，其中，即包括N个所需的目标类别和一个未知类别； 步骤4，基于无标签原始数据集对有监督训练好的语义分割模型进行半监督训练； 对无标签原始数据集每一无标签原始数据样本进行图像弱增强处理，以得到每一无标签原始数据样本的至少一个弱增强样本； 将弱增强样本输入到监督训练好的语义分割模型中，基于其输出的预测类别获取当前弱增强样本的伪标签； 对无标签原始数据集每一无标签原始数据样本进行图像强增强处理，以得到每一无标签原始数据样本的至少一个强增强样本； 对每一个无标签原始数据样本j，基于一个弱增强样本和一个强增强样本得到对应于j的一对弱强样本对； 基于有标签原始数据集和所有弱强样本对组成混合集，再以该混合集作为第二训练集对有监督训练好的语义分割模型进行二次训练； 二次训练时采用的总损失函数为：有标签原始数据集所对应的第一一致性损失和基于所有弱强样本对的第二一致性损失的加权和；其中，对第二一致性损失，以弱强样本对中的强增强样本为模型输入，对应的弱增强样本的伪标签视为真实标签； 步骤5，从混合集中提取微调数据集对二次训练后的语义分割模型进行微调，微调时的损失函数采用一致性损失；且该微调数据集中，将弱强样本对分别视为一个模型输入样本，并将其对应的伪标签视为各样本的真实标签； 基于微调后的语义分割模型得到用于SAR阴影追踪的分割模型，基于该分割模型实现对待追踪的SAR图像的阴影区域预测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。