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自监督模型迁移学习下的雷达目标识别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：CN116778352B 。

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：202310905352.0，技术领域涉及：G06V20/13；该发明授权一种基于自监督模型迁移学习下的雷达目标识别方法是由裴季方;杨建宇;刘小钰;黄钰林;王陈炜;张寅;霍伟博;杨海光;张永超设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种基于自监督模型迁移学习下的雷达目标识别方法在说明书摘要公布了：本发明公开了一种基于自监督模型迁移学习下的雷达目标识别方法，包含两个阶段，第一阶段自监督模型中骨干网络以自监督的方式在大量无标签图像样本上进行预训练，通过相似性损失来更新网络权重，最大化同类目标的相似特征并弱化不同类目标的相似特征，实现网络对同类别目标相似特征的有效提取，第二阶段迁移预训练自监督模型中骨干网络的网络参数，利用少量带标签的雷达样本微调网络，实现雷达目标识别。本发明的方法能够有效鉴别目标特征和识别目标类别，解决雷达图像样本标签稀缺而导致的网络学习不充分的问题，提升网络在少量带标签的数据样本下对雷达目标的识别性能，与其它目标识别方法相比，提高了小样本雷达目标识别网络的准确度和鲁棒性。

本发明授权一种基于自监督模型迁移学习下的雷达目标识别方法在权利要求书中公布了：1.一种基于自监督模型迁移学习下的雷达目标识别方法，具体步骤如下： S1、预训练自监督模型，提升提取特征的有效性； 自监督模型中骨干网络以自监督的方式在大量无标签图像样本上进行预训练，利用相似性损失更新网络权重，最大化同一类目标的相似特征，弱化不同类目标的相似特征，实现网络对同一类别目标相似特征的有效提取； 其中，所述预训练阶段用于自监督学习的损失称为相似性损失； 将一对图像输入自监督模型时，若它们相似，则模型将其推断为1，否则为0； S2、微调分类识别网络，实现雷达图像目标识别； 迁移所述预训练自监督模型中骨干网络的网络参数，在其后添加分类器，输入带标签的雷达目标图像样本x，设有Nc类雷达目标，则使用Nc维的独热向量y表示类别标签；该分类识别网络的输出为类别标签的条件概率分布，可由下式表示： 其中，θ表示包括权重w和偏置b的一系列可更新参数；添加的分类器包括：平均池化、Flatten、全连接层以及SoftMax的操作； 利用交叉熵损失对分类识别网络进行网络微调，从而实现雷达图像目标识别，损失函数可由下式表示： 其中，yc表示真值独热标签，fcx,θ表示分类器的特征映射函数。

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”。