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！

龙图腾网获悉中国船舶重工集团公司第七一五研究所申请的专利一种基于注意力机制网络的被动弱目标检测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：CN115758154B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211479975.8，技术领域涉及：G06F18/214；该发明授权一种基于注意力机制网络的被动弱目标检测方法是由陈越超;王方勇;罗兆瑞;尚金涛;王庆设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种基于注意力机制网络的被动弱目标检测方法在说明书摘要公布了：本发明公开了一种基于注意力机制网络的被动弱目标检测方法，包括：步骤1，构建仿真弱目标检测初始样本集并进行预处理，得到若干三维阵元域频域数据和对应的弱目标增强标签，形成仿真弱目标检测样本集；步骤2，构建注意力机制网络模型；步骤3，构建面向注意力机制网络模型训练的弱目标加权增强损失函数；步骤4，基于仿真弱目标检测样本集训练注意力机制网络模型；步骤5，将未知三维阵元域频域数据作为训练后的注意力机制网络模型的输入，得到预测的弱目标推理结果；步骤6，对预测的弱目标推理结果进行解码，得到空间能量谱。

本发明授权一种基于注意力机制网络的被动弱目标检测方法在权利要求书中公布了：1.一种基于注意力机制网络的被动弱目标检测方法，其特征在于，所述方法包括以下步骤： 步骤1，构建仿真弱目标检测初始样本集并进行预处理，得到若干三维阵元域频域数据和对应的弱目标增强标签，形成仿真弱目标检测样本集； 步骤2，构建注意力机制网络模型； 步骤3，构建面向注意力机制网络模型训练的弱目标加权增强损失函数； 步骤4，基于仿真弱目标检测样本集训练注意力机制网络模型； 步骤5，将未知三维阵元域频域数据作为训练后的注意力机制网络模型的输入，得到预测的弱目标推理结果； 步骤6，对预测的弱目标推理结果进行解码，得到空间能量谱； 所述步骤2包括以下步骤： 步骤2.1：构造基本注意力机制模块； 步骤2.2，对输入的三维阵元域频域数据进行样本分割和线性维度变换，得到分片特征序列； 步骤2.3，构造分片位置序列和类别信息序列，并结合分片特征序列进行多序列加权组合； 步骤2.4，将多序列加权组合结果通过串联的若干基本注意力机制模块进行特征提取； 步骤2.5，对提取的特征进行分片合并； 步骤2.6，对分片合并结果通过全连接层进行降维，得到弱目标推理结果； 所述基本注意力机制模块包括串联的基本模块1和基本模块2； 基本模块1的构建包括以下步骤： 步骤2.1.1，添加三个串联的全连接层，实现三维矩阵在第三个维度的缩放； 步骤2.1.2，依次添加串联的矩阵维度变换层和矩阵拆分处理层，将缩放后的三维矩阵拆分为3个三维矩阵M1、M2、M3； 步骤2.1.3，依次添加三个并行的矩阵维度变换层，用于分别对三维矩阵M1、M2、M3进行维度变换，得到矩阵M′1、M′2、M′3； 步骤2.1.4，添加Dropout层对矩阵M′1进行Dropout处理，添加矩阵相乘操作处理层对矩阵M′1、M′2相乘，得到矩阵N1；添加系数加权层对矩阵N1乘以预设系数，添加Softmax层和Dropout层，依次对乘以预设系数后的矩阵N1进行处理； 步骤2.1.5，添加矩阵相乘操作处理层实现矩阵N1和矩阵M′3的相乘操作，得到矩阵N2；添加矩阵维度变换层用于将矩阵N2进行维度变换，得到矩阵N3，添加全连接层和Dropout层，依次对N3进行处理，得到该模块的输出结果； 基本模块2的构建包括以下步骤： 步骤2.2.1，依次添加矩阵维度变换层用于将输入的三维矩阵的尺寸a1，a2，a3在空间维度上进行转换，得到四维矩阵a1，a3，a2，1； 步骤2.2.2，构建串联的若干卷积层用于对四维矩阵进行特征提取，相邻两卷积层间通过Dropout层进行Dropout处理，其中一卷积层和Dropout层间通过GELU激活函数连接； 步骤2.2.3，添加Dropout层、矩阵维度变换层，用于对提取的特征进行Dropout处理后在空间维度上转换为与原始三维矩阵尺寸a1，a2，a3一致的矩阵。

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中国船舶重工集团公司第七一五研究所，其通讯地址为：310023 浙江省杭州市西湖区留下街道屏峰715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”。

以上内容由龙图腾AI智能生成。