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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于小样本的SAR目标识别方法、装置及计算机设备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：CN117132818B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202311091512.9，技术领域涉及：G06V10/764；该发明授权基于小样本的SAR目标识别方法、装置及计算机设备是由赵凌君;赵琰;张思乾;熊博莅;唐涛;雷琳;计科峰;匡纲要设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本基于小样本的SAR目标识别方法、装置及计算机设备在说明书摘要公布了：本申请涉及一种基于小样本的SAR目标识别方法、装置及计算机设备，通过利用训练好的特征提取器对待进行目标识别的SAR图像的进行特征提取，并将其映射至格拉斯曼流形空间中，通过该空间中的多个与已知目标类别对应子空间进行分类，从而达到对SAR图像中目标进行识别的目的，当该图像中的目标类别为未知类别时，则实时的将其输入目标识别网络中对其进行在线小样本训练，在训练的过程中通过利用语义边距分离损失函数、无结构遗忘损失函数以及深度子空间分离损失函数分别对特征提取器以及格拉斯曼流形空间的参数进行调整直至收敛，使其具备识别该未知目标类别的能力。采用本方法可在公开的非合作场景中不断观察，利用小样本数据学习到新的目标类型，并且有效提高类别预测的精准度。

本发明授权基于小样本的SAR目标识别方法、装置及计算机设备在权利要求书中公布了：1.基于小样本的SAR目标识别方法，其特征在于，所述方法包括： 获取待进行目标识别的SAR图像； 将所述SAR图像输入训练后的目标识别网络中，在所述目标识别网络中由特征提取器对所述SAR图像的特征进行提取，将提取得到的特征映射至格拉斯曼流形空间中，通过该空间中包含的对应各种已知类别目标的子空间对提取得到的特征进行分类； 若所述SAR图像中的目标为未知类别，则将所述SAR图像作为小样本训练数据对所述目标识别网络进行在线迭代训练，进行在线迭代训练过程中，还通过利用语义边距分离损失函数以及无结构遗忘损失函数对所述特征提取器中的参数进行调整，利用深度子空间分离损失函数对所述格拉斯曼流形空间的参数进行调整，直至各损失函数均收敛，则得到具备识别该未知类别目标能力的目标识别网络，其中，所述语义边距分离损失函数根据由所述特征提取器分别对已知类别目标的SAR图像和未知类别目标的SAR图像进行提取得到的特征构建得到，具体表示为： ； 其中，； 在上式中，表示在第个学习阶段已经存储的旧类别范例，表示当前阶段用于训练的新类别数据集合，表示从所选取的锚点样本，和分别为从所中所选择的正样本和从所选择的负样本，表示锚点与正样本的余弦距离，代表锚点与负样本的余弦距离，表示可训练的特征提取器； 所述无结构遗忘损失函数根据前一次在线迭代训练前的目标识别网络中特征提取器提取的特征，与当前目标识别网络中特征提取器提取的特征构建得到，具体表示为： ； 其中，； 在上式中，与分别定义为空间与全局损失约束，与分别代表由第个和第个阶段的特征提取器针对样本所输出的空间特征，与代表输出的全局特征值，其中，在第个阶段，样本选自当前所有训练样本集合； 所述深度子空间分离损失函数根据所述格拉斯曼流形空间中新建立的未知类别目标对应的子空间与所有已知类别目标对应的子空间进行构建得到，具体表示为： ； 其中，； 在上式中，表示第个阶段的新类别集，表示历史类别集，计算了两个子空间与的流形空间距离，其中，表示在格拉斯曼流形空间中已存在的已知类别目标对应的子空间，表示在格拉斯曼流形空间中新建的未知类别目标对应的子空间； 若所述SAR图像中目标为已知类别，则输出目标的预测结果，以实现对所述SAR图像中的目标的识别。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。