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条件卷积和相关性映射的HRRP识别模型在线更新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：CN116523004B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310280958.X，技术领域涉及：G06N3/048；该发明授权基于条件卷积和相关性映射的HRRP识别模型在线更新方法是由刘宏伟;王鹏辉;周波玉;丁军;陈渤设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本基于条件卷积和相关性映射的HRRP识别模型在线更新方法在说明书摘要公布了：本发明公开了一种基于条件卷积和相关性映射的HRRP识别模型在线更新方法，包括：获得具有目标型号标签的训练样本集并对训练样本集按照目标的姿态角范围进行任务划分；构建初始多层卷积神经网络模型并通过预训练转换为具有条件卷积结构的多层卷积神经网络模型；为下一个新任务扩充专家卷积核、路由模块以及相关性映射掩码；为当前新任务训练扩充后的模型；利用模型剪枝方法对全连接分类器的相关性映射掩码进行剪枝；获取另一个新任务并重新执行，直至对每一个新任务训练完成；利用训练后的模型对实际雷达高分辨距离像进行目标识别。本发明使用条件卷积层来提取HRRP的特征，通过扩展条件卷积层的专家卷积核数量来提升模型容量，使模型容量能够充分提高。

本发明授权基于条件卷积和相关性映射的HRRP识别模型在线更新方法在权利要求书中公布了：1.一种基于条件卷积和相关性映射的HRRP识别模型在线更新方法，其特征在于，包括： S1：获得具有目标型号标签的训练样本集并对所述训练样本集按照目标的姿态角范围进行任务划分； S2：构建初始多层卷积神经网络模型并通过预训练转换为具有条件卷积结构的多层卷积神经网络模型，所述初始多层卷积神经网络模型包括特征提取器和具有掩码结构的全连接分类器； S3：为下一个新任务扩充所述具有条件卷积结构的多层卷积神经网络模型的专家卷积核、路由模块以及相关性映射掩码； S4：为当前新任务训练扩充后的具有条件卷积结构的多层卷积神经网络模型； S5：利用模型剪枝方法对所述全连接分类器的相关性映射掩码进行剪枝； S6：利用当前新任务对剪枝后的多层卷积神经网络模型进行性能恢复训练； S7：获取另一个新任务并重新执行步骤S3至S6，直至对每一个新任务均训练完成，获得训练后具有条件卷积结构的多层卷积神经网络模型； S8：利用训练后具有条件卷积结构的多层卷积神经网络模型对实际雷达高分辨距离像进行目标识别； 所述具有条件卷积结构的多层卷积神经网络模型包括依次连接的三个特征提取器和一个全连接分类器，其中， 第一个特征提取器包括依次连接的一个条件卷积层、一个池化层、一个激活函数层和一个归一化层； 第二个特征提取器包括依次连接的一个条件卷积层、一个池化层、一个激活函数层和一个归一化层； 第三个特征提取器包括依次连接的一个条件卷积层、一个池化层和一个激活函数层； 所述全连接分类器为具有相关性映射掩码的全连接分类器； 每个条件卷积层均包括多个专家卷积核和一个全连接层； 所述S3包括： S3.1：扩充所述具有条件卷积结构的多层卷积神经网络模型的特征提取器中各个条件卷积层的专家卷积核，增加一个专家卷积核以及在路由全连接层中增加了一列元素，扩充后条件卷积层的运算表达式为： ， 其中，=…表示条件卷积层的自适应路由参数，表示第i个专家卷积核，σ为激活函数，为输入数据； S3.2：扩充所述具有相关性映射掩码的全连接分类器，为当前任务新增一个相关性映射掩码。

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”。

以上内容由龙图腾AI智能生成。