“刘商艺”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种融合杂波信息自监督表征学习的SAR目标检测方法-CN202310906572.5在审
发明人：王兆成;刘商艺;张广 -专利权人：河北工业大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种融合杂波信息自监督表征学习的SAR目标检测方法，主要解决现有的SAR图像目标检测技术中缺乏大量标记样本从而导致检测效果降低的问题。其实现步骤为：将原始的SAR图像进行裁剪并加入大量不包含目标的杂波图像；将数据集中图像通过两种不同的数据扩充方式分别得到两个子图并输入到两个对称的编码器参数共享的分支中；利用两个分支的输出视图计算网络的损失；在包含预测器的分支通过梯度更新参数，另一分支停止梯度更新；将自监督学习中保存的模型参数应用于下游任务作为预训练参数并进行下游任务的微调；完成下游任务的有标记数据的训练后进行相应测试。本发明相比于有监督的SAR图像检测方法具有无需大量标记样本，精确度高的特点，同时在自监督学习中融合了杂波信息进一步优化了网络性能。
一种融合信息监督表征学习 sar 目标检测方法

[发明专利]基于自监督学习和知识蒸馏的SAR目标识别方法-CN202310906452.5在审
发明人：王兆成;张广;宋华亮;刘商艺;王若楠;胡广轩 -专利权人：河北工业大学
申请日： 2023-07-24 - 公布日： 2023-10-20 - 主分类号： G06V10/764 文献下载
摘要：本发明为一种基于自监督学习和知识蒸馏的SAR目标识别方法，首先分别构建教师网络和学生网络，教师网络采用ResNet50网络，在ResNet8网络中加入注意力机制得到学生网络，对教师网络进行自监督预训练；以自监督训练结果进行迁移学习后的教师网络对学生网络进行蒸馏，计算教师网络软目标和学生网络软输出，得到软目标损失函数；然后，采用教师网络的分类输出和硬目标一起训练学生网络，并引入硬目标和软目标损失函数；最后，对训练后的学生网络进行测试，得到蒸馏后的学生网络，并用于SAR图像的目标识别，得到分类结果。本发明具有参数量计算量小和测试准确率高的优点，适用于SAR图像目标识别，解决了基于深度神经网络的SAR目标识别模型体积较大而轻量化模型识别准确率较差难以应用于移动嵌入式设备的问题。
基于监督学习知识蒸馏 sar 目标识别方法

[发明专利]结合自监督学习和知识蒸馏的SAR目标检测方法-CN202310896783.5在审
发明人：王兆成;张广;宋华亮;刘商艺;王若楠;陈宇 -专利权人：河北工业大学
申请日： 2023-07-21 - 公布日： 2023-10-03 - 主分类号： G06V20/10 文献下载
摘要：本发明为一种结合自监督学习和知识蒸馏的SAR目标检测方法，将预训练的vgg16网络作为SSD网络的骨干网络，并对SSD网络进行训练，得到自监督迁移学习训练后的SSD‑S网络，并将SSD‑S网络作为教师网络；将SSD网络的骨干网络替换为MobileNet V2网络，并加入注意力机制，得到学生网络；以自监督训练结果进行迁移学习后的教师网络对学生网络进行蒸馏，分别计算教师网络和学生网络的特征知识；然后，采用教师网络的特征知识和硬目标一起训练学生网络，引入目标损失函数和特征损失函数作为最终优化函数；最后，对训练后的学生网络进行测试，得到蒸馏后的学生网络，并用于SAR图像的目标检测。本发明具有参数量计算量小和测试检测率高的优点，解决了基于深度神经网络的SAR目标检测模型体积较大难以应用于移动嵌入式设备的问题。
结合监督学习知识蒸馏 sar 目标检测方法

[发明专利]基于多尺度注意力与子孔径分解的SAR目标识别方法-CN202310581327.1在审
发明人：王兆成;王若楠;刘商艺;刘璐;邵学彦 -专利权人：河北工业大学;天津先进技术研究院
申请日： 2023-05-23 - 公布日： 2023-09-19 - 主分类号： G01S13/90 文献下载
摘要：本发明为基于多尺度注意力与子孔径分解的SAR目标识别方法，首先对SAR图像进行分解，得到子孔径图像；对SAR图像进行显著性检测获取多尺度显著特征；然后，基于卷积神经网络构建目标识别模型；目标识别模型包括特征提取网络和位于特征提取网络之后的全连接层；特征提取网络包括依次连接的池化层和四个特征提取层，池化层包括一次卷积运算和一次池化操作，每个特征提取层均包括两次卷积运算和一个显著特征融合模块；最后、对目标识别模型进行训练，并根据损失函数对模型进行参数优化更新，得到优化后的目标识别模型；将待识别的SAR图像输入到优化后的目标识别模型中，进行目标识别。子孔径图像中包含了丰富的地物特征和目标电磁散射信息，从不同角度反映了目标的散射特性，提高了识别准确率。
基于尺度注意力孔径分解 sar 目标识别方法

[发明专利]基于自监督学习和子孔径分解的SAR目标识别方法-CN202310581453.7在审
发明人：王兆成;刘商艺;王若楠;刘璐;邵学彦 -专利权人：河北工业大学;天津先进技术研究院
申请日： 2023-05-23 - 公布日： 2023-08-18 - 主分类号： G01S13/90 文献下载
摘要：本发明为一种基于自监督学习和子孔径分解的SAR目标识别方法，将大量杂波数据加入原始SAR图像数据集中进行扩充；将数据集中图像进行包括子孔径分解在内的两种数据扩充后输入到以编码器和动量编码器为主体的两个分支；分别采用梯度回传和动量公式更新两个编码器的参数；以队列形式更新动量编码器的输入后重复以上步骤直至遍历训练集中所有数据，并保存模型参数；最后加载自监督的模型参数，重置分类器部分参数完成有监督的下游任务的训练和测试。本发明相比于有监督的SAR图像识别方法具有需要标记数量少，检测精度高的优点，适用于SAR图像在小样本情形下的目标识别，主要解决了现有的SAR图像目标识别技术中样本数量不足以满足大规模有监督训练的问题。
基于监督学习孔径分解 sar 目标识别方法

[发明专利]基于半监督生成对抗网络的SAR目标识别方法-CN202211212828.4在审
发明人：王兆成;刘商艺;王若楠;刘璐 -专利权人：河北工业大学;天津先进技术研究院
申请日： 2022-09-29 - 公布日： 2023-01-17 - 主分类号： G01S13/90 文献下载
摘要：本发明为一种基于半监督生成对抗网络的SAR目标识别方法，首先将原始数据集划分为有标签数据和无标签数据；采用深度卷积网络分别构建判别器和生成器，同时在判别器中添加注意力模块；选取m个噪声样本；从划分后的数据集中各选取m个真实有标签的数据样本和真实无标签的数据样本；固定生成器模型，对判别器的损失函数进行反向传播求取梯度，并使用梯度下降算法更新判别器；固定判别器模型，使用特征匹配方法表达出生成器的损失函数，并使用梯度下降法更新生成器。本发明相比于其他传统机器学习算法及全监督的卷积神经网络算法无需大量标注样本并有着更高的有效性和泛化特性，适用于小样本下的SAR图像目标的识别。
基于监督生成对抗网络 sar 目标识别方法

1
共 6 条