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！

龙图腾网获悉西安电子科技大学申请的专利基于动态结构和多层次蒸馏的SAR目标增量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：CN116977870B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310774347.0，技术领域涉及：G06V20/13；该发明授权基于动态结构和多层次蒸馏的SAR目标增量识别方法是由白雪茹;江凯;孟昭晗设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本基于动态结构和多层次蒸馏的SAR目标增量识别方法在说明书摘要公布了：本发明公开了一种基于动态结构和多层次蒸馏的SAR目标增量识别方法，主要解决现有技术任务识别精度低的问题。其实现方案是：获取初始任务训练集和初始任务测试集；构建初始主干网络，利用初始训练集对其进行训练；由训练好的初始主干网络获得初始任务的SAR目标识别结果；构建示例集；从增量任务数据中划分辅助训练集和辅助测试集；构建辅助网络，利用辅助训练集对其进行训练；由训练好的辅助网络构建主干网络，从增量任务数据和示例集数据中划分增量训练集和增量测试集；利用增量训练集训练主干网络，利用训练好的主干网络获取增量测试集的SAR目标识别结果。本发明减小了增量识别中的灾难性遗忘，提高了识别精度，可用于战场侦察和态势感知。

本发明授权基于动态结构和多层次蒸馏的SAR目标增量识别方法在权利要求书中公布了：1.一种基于动态结构和多层次蒸馏的SAR目标识别增量学习方法，其特征在于，包括以下步骤： 1从初始任务数据中获取多类目标的多幅SAR图像，并对其图像和标签进行随机划分，得到初始任务训练集和初始任务测试集； 2构建初始主干网络： 2a建立由多个残差块级联组成的初干网络的特征提取器Ainit，用于输出多尺度特征图； 2b建立能与特征维度及输出类别匹配的全连接层FCinit； 2c将特征提取器和全连接层级联组成初始主干网络，并选用交叉熵损失作为其分类损失； 3从训练集中随机采样一组SAR图像输入到初始主干网络中计算损失，并通过随机梯度下降算法更新网络参数，直至网络收敛，得到训练好的初干网络； 4将初始任务测试集中的SAR图像输入到训练好的初干网络中，得到识别结果； 5设置一个空的示例集，根据herding算法从初始任务数据中挑选少于10％的样本放入该示例集中； 6从增量任务数据中获取多类目标的多幅SAR图像，并对其图像和标签进行随机划分，得到辅助训练集和辅助测试集； 7构建辅助网络： 7a建立由多个残差块级联组成的辅助网络的特征提取器Aaux，用于输出多尺度特征图； 7b建立能与新任务特征维度及输出类别匹配的全连接层FCaux； 7c将特征提取器与全连接层级联组成辅助网络，选用交叉熵损失作为其分类损失； 8从辅助训练集中随机采样一组SAR图像输入到辅助网络中计算损失，基于该损失通过随机梯度下降算法更新网络参数，直至网络收敛，得到训练好的辅助网络； 9利用8中训练好的辅助网络和步骤3中的初干网络，构建主干网络： 9a将辅助网络中的特征提取器Aaux与初干网络中的特征提取器Ainit并联，得到主干网络特征提取器Anew及其输出的多尺度特征图Ynew； 9b根据并联后特征提取器的输出维度和分类数目构建新的全连接层FCnew； 9c用初干网络的全连接层参数初始化9b中全连接层部分参数； 9d用辅助网络的全连接层参数初始化9b中全连接层剩余部分的参数； 9e将并联后的特征提取器和新的全连接层级联组成新的主干网络，并使用交叉熵损失新旧模型知识蒸馏损失与特征空间知识蒸馏损失这三个损失作为其分类损失 10从增量任务数据和示例集数据中获取多类目标的多幅SAR图像，并对其图像和标签进行随机划分，得到增量训练集和增量测试集； 11从增量训练集中随机采样一组SAR图像输入到主干网络中计算其损失，基于该损失通过随机梯度下降算法迭代更新网络参数，直至网络收敛，得到训练好的主干网络； 12将增量测试集中的SAR图像输入到训练好的主干网络中，得到识别结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。