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元学习和度量学习的小样本SAR目标检测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：CN116664823B 。

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：202310639895.2，技术领域涉及：G06V10/25；该发明授权基于元学习和度量学习的小样本SAR目标检测识别方法是由白雪茹;王锦旗;鲜要胜;江凯;周峰设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本基于元学习和度量学习的小样本SAR目标检测识别方法在说明书摘要公布了：本发明公开了一种基于元学习和度量学习的小样本SAR目标检测识别网络，主要解决现有技术对新类目标检测性能不足及在细粒度任务中识别准确率低和鲁棒性差的问题。其实现方案为：对SAR实测数据进行标注和划分，生成基类和新类的支撑集和查询集；构建由数据预处理模块、特征提取模块、区域建议模块和细粒度检测识别模块组成的小样本SAR目标检测识别网络；基于随机梯度下降算法，使用基类和新类的支撑集和查询集对该网络进行训练；将待检测识别SAR图像输入训练好的小样本SAR目标检测识别网络，获得SAR目标的检测识别结果。本发明显著提升了新类目标的检测识别性能及细粒度任务中的识别准确率与鲁棒性，可用于环境侦察和态势感知。

本发明授权基于元学习和度量学习的小样本SAR目标检测识别方法在权利要求书中公布了：1.一种基于元学习和度量学习的小样本SAR目标检测识别方法，其特征在于，包括以下步骤： 1构建支撑集和查询集： 1a收集大量包含基类目标的SAR图像和少量包含新类目标的SAR图像，并对每幅SAR图像中的目标位置和类别加以标注； 1b将收集的基类目标的SAR图像作为基类的查询集，并从收集的基类目标SAR图像中随机采样部分SAR图像都成基类的支撑集；将收集的新类目标的全部SAR图像分别作为新类的查询集和支撑集； 2构建基于元学习和度量学习的小样本SAR目标检测识别网络： 2a建立由依次进行多尺度变换、随机翻转、数据归一化的查询图像预处理流程和依次进行目标裁剪、随机翻转、数据归一化的支撑图像预处理流程组成的数据预处理模块； 2b建立由权值共享的孪生网络组成的特征提取模块A； 2c建立由包括特征聚合子模块、锚框生成子模块、正负样本分配子模块、分类回归子模块、后处理子模块级联组成的区域建议模块G，并分别使用交叉熵损失函数和SmoothL1损失函数作为分类损失和边界框回归损失 2d建立包括感兴趣区域提取子模块、局部关系子模块、全局关系子模块、交叉关系子模块组成的细粒度检测识别模块D，其输出被检查目标的边界框坐标x，y，w，h与该目标的各个类别相似度s，并将这两个参数分别代入交叉熵损失函数和SmoothL1损失函数，计算分类损失值和边界框回归损失值 2e将2a、2b、2c、2d建立的模块依次级联，组成小样本SAR目标检测识别网络，并定义该网络的损失函数为： 3对小样本SAR目标检测网络进行基类训练： 3a将基类的支撑集和查询集输入到小样本SAR检测识别网络中，计算每次迭代的损失值其中i为基类训练时的迭代次数，根据该损失值通过随机梯度下降算法更新网络参数； 3b重复3a过程，直至网络收敛，得到初步训练好的小样本SAR目标检测识别网络； 4对小样本SAR目标检测网络进行小样本微调： 4a将基类支撑集的部分支撑图像、查询集图像和所有新类支撑集、查询集图像输入到初步训练好的小样本SAR目标检测网络，计算每次迭代的损失值其中j表示小样本微调阶段的迭代次数，并利用该损失值通过随机梯度下降算法更新网络参数； 4b重复4a过程，直至网络收敛，得到最终训练完成后的小样本SAR目标检测识别网络； 5将待检测识别的SAR图像输入到步骤4得到最终训练完成后的小样本SAR目标检测识别网络，得到检测识别结果。

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”。