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平衡模型稳定性和可塑性的SAR目标增量分类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：CN116797928B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310745503.0，技术领域涉及：G06V20/10；该发明授权基于平衡模型稳定性和可塑性的SAR目标增量分类方法是由白雪茹;孟昭晗;江凯;周峰设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本基于平衡模型稳定性和可塑性的SAR目标增量分类方法在说明书摘要公布了：本发明公开了一种基于平衡模型稳定性和可塑性的SAR目标增量分类方法，主要解决现有技术在复杂环境下SAR特征提取能力弱、目标增量分类及稳定性差的问题。其实现方案为：将给定SAR数据随机划分为训练集和测试集；构建包括特征提取器和特征分类器的SAR目标分类网络，利用训练集对其进行训练；生成辅助增量学习的示例集；从SAR数据中获得新增类别数据，用其与示例集和测试集共同生成增量任务训练集和测试集；构建SAR目标增量分类网络和增量学习损失，并利用增量任务训练集对其进行训练；将增量任务测试集输入SAR目标增量分类网络中，获得目标分类结果。本发明显著提升了复杂环境下SAR目标增量分类性能，可用于战场侦察和态势感知。

本发明授权基于平衡模型稳定性和可塑性的SAR目标增量分类方法在权利要求书中公布了：1.一种基于平衡模型稳定性和可塑性的SAR目标增量分类方法，其特征在于，包括以下步骤： 1从给定数据集中获取具有多类目标的SAR图像和对应标签，并对其进行随机划分，得到训练集和测试集； 2构建SAR目标分类网络： 2a建立由卷积模块级联组成的局部特征提取模块A； 2b建立由自注意力组成的全局特征提取模块B； 2c将局部特征提取模块A和全局特征提取模块B并联组成特征提取器F； 2d建立能与特征维度及输出类别匹配的全连接层，作为特征分类器C； 2e将特征提取器和特征分类器级联组成SAR目标分类网络； 3从训练集中随机采样一组SAR图像输入到SAR目标分类网络中，计算交叉熵损失基于该损失，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SAR目标分类网络； 4生成辅助增量学习的示例集： 4a利用Herding算法，在步骤1生成的训练集中筛选至多10％的代表性样本； 4b将筛选得到代表性样本存储为示例集，并在每个增量任务结束后重新筛选相同数量的样本，使示例集中样本数量保持不变； 5生成增量任务训练集和测试集： 5a从给定数据集中获取包含新增目标类别的多幅SAR图像和对应标签，并对其进行随机划分，得到包含新增类别目标的增量训练集和增量测试集； 5b将步骤4生成的示例集样本加入到增量训练集，得到增量任务训练集； 5c将步骤1生成的测试集样本加入到增量测试集，得到增量任务测试集； 6构建SAR目标增量分类网络和增量学习损失函数： 6a复制一份步骤3得到的SAR目标分类网络，对其特征分类器进行维度扩充，得到SAR目标增量分类网络； 6b根据步骤3的SAR目标分类网络和步骤6a得到的SAR目标增量分类网络的特征提取器，构建特征级蒸馏损失函数 6c根据步骤3的SAR目标分类网络和步骤6a得到的SAR目标增量分类网络的特征分类器，构建决策级蒸馏损失函数 6d根据SAR目标增量分类网络的特征提取器，构建特征分离损失函数 6e根据交叉熵损失函数特征级蒸馏损失函数决策级蒸馏损失函数特征分离损失函数得到SAR目标增量分类网络的增量学习损失函数 其中，Ncur表示当前增量任务中新增的目标类别的数量；NC表示SAR目标增量分类网络已完成训练的目标类别的数量；α是一个动态自适应权重，随着已完成训练的类别的数量不断增加，该权重的大小逐渐减少； 7从步骤5生成的增量任务训练集中随机采样一组SAR图像输入到SAR目标增量分类网络中，计算增量学习损失基于该损失，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SAR目标增量分类网络； 8将增量任务测试集中的SAR图像输入到训练好的SAR目标增量分类网络中，得到分类结果。

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”。