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卷积神经网络度量元学习的小样本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：CN116385799B 。

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：202310433878.3，技术领域涉及：G06V10/764；该发明授权基于卷积神经网络度量元学习的小样本目标识别方法是由刘峥;刘昌朋;郭泽坤设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本基于卷积神经网络度量元学习的小样本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卷积神经网络度量元学习的小样本目标识别方法。主要解决现有技术对小样本SAR图像识别准确率低，特征提取网络泛化能力差的问题。其方案是：收集并处理地面目标SAR图像数据；搭建由四个卷积组级联而成的特征提取主干网络；利用训练集采用随机梯度下降法和反向传播算法对该网络进行训练和参数迭代更新，得到训练好的特征提取主干网络和不同类别训练集图像的原型表示；计算测试集样本特征空间和每一类原型表示之间的欧氏距离，寻找与该测试图像欧氏距离最小的原型表示得到输入测试图像的类别，完成对小样本目标的识别。本发明有效提高了小样本情况下的网络识别精度和泛化能力，可用于机载星载SAR对地面遥感图像的分类。

本发明授权基于卷积神经网络度量元学习的小样本目标识别方法在权利要求书中公布了：1.一种基于卷积神经网络度量元学习的小样本目标识别方法，其特征在于，包括有如下步骤： 1从公开网站中获取公开的N幅SAR图像，N50,并按6:2:2的比例将其划分为训练数据集、验证数据集、测试数据集，并用该三类数据集构成地面目标SAR图像数据集； 2搭建特征提取主干网络： 建立由第一卷积层、BN层、激活函数层、最大池化层依次级联构成的第一卷积组； 建立由一个第二卷积层和两个残差单元顺序连接构成的第二卷积组 建立由一个第三卷积层和两个残差单元顺序连接构成的第三卷积组， 建立由一个第四卷积层和三个残差单元顺序连接构成的第四卷积组， 将第一卷积组、第二卷积组、第三卷积组和第四卷积组依次级联构成特征提取主干网络，并采用sigmoid函数作为该网络的损失函数； 3基于训练数据集，采用随机梯度下降法对特征提取主干网络进行训练，并利用验证数据集对特征提取主干网络采用的反向传播算法参数进行迭代更新，每一轮训练和参数迭代都会得到不同类别训练集图像的原型表示，直到达到设定的最大迭代次数或损失函数收敛，得到训练好的特征提取主干网络和不同类别训练集图像含有标签的原型表示； 4将测试数据集输入训练好的特征提取主干网络中，得到每一张测试集图像的特征空间，计算测试集样本特征空间和每一类原型表示之间的欧氏距离，寻找与该测试图像欧氏距离最小的原型表示，该原型表示所对应的类别即是该输入测试图像的类别，完成对小样本目标的识别。

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”。