買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安電子科技大學申請的專利基于平衡模型穩定性和可塑性的SAR目標增量分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116797928B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310745503.0，技術領域涉及：G06V20/10；該發明授權基于平衡模型穩定性和可塑性的SAR目標增量分類方法是由白雪茹;孟昭晗;江凱;周峰設計研發完成，并于2023-06-21向國家知識產權局提交的專利申請。

本基于平衡模型穩定性和可塑性的SAR目標增量分類方法在說明書摘要公布了：本發明公開了一種基于平衡模型穩定性和可塑性的SAR目標增量分類方法，主要解決現有技術在復雜環境下SAR特征提取能力弱、目標增量分類及穩定性差的問題。其實現方案為：將給定SAR數據隨機劃分為訓練集和測試集；構建包括特征提取器和特征分類器的SAR目標分類網絡，利用訓練集對其進行訓練；生成輔助增量學習的示例集；從SAR數據中獲得新增類別數據，用其與示例集和測試集共同生成增量任務訓練集和測試集；構建SAR目標增量分類網絡和增量學習損失，并利用增量任務訓練集對其進行訓練；將增量任務測試集輸入SAR目標增量分類網絡中，獲得目標分類結果。本發明顯著提升了復雜環境下SAR目標增量分類性能，可用于戰場偵察和態勢感知。

本發明授權基于平衡模型穩定性和可塑性的SAR目標增量分類方法在權利要求書中公布了：1.一種基于平衡模型穩定性和可塑性的SAR目標增量分類方法，其特征在于，包括以下步驟： 1從給定數據集中獲取具有多類目標的SAR圖像和對應標簽，并對其進行隨機劃分，得到訓練集和測試集； 2構建SAR目標分類網絡： 2a建立由卷積模塊級聯組成的局部特征提取模塊A； 2b建立由自注意力組成的全局特征提取模塊B； 2c將局部特征提取模塊A和全局特征提取模塊B并聯組成特征提取器F； 2d建立能與特征維度及輸出類別匹配的全連接層，作為特征分類器C； 2e將特征提取器和特征分類器級聯組成SAR目標分類網絡； 3從訓練集中隨機采樣一組SAR圖像輸入到SAR目標分類網絡中，計算交叉熵損失基于該損失，通過隨機梯度下降算法更新網絡參數，直至網絡收斂，得到訓練好的SAR目標分類網絡； 4生成輔助增量學習的示例集： 4a利用Herding算法，在步驟1生成的訓練集中篩選至多10％的代表性樣本； 4b將篩選得到代表性樣本存儲為示例集，并在每個增量任務結束后重新篩選相同數量的樣本，使示例集中樣本數量保持不變； 5生成增量任務訓練集和測試集： 5a從給定數據集中獲取包含新增目標類別的多幅SAR圖像和對應標簽，并對其進行隨機劃分，得到包含新增類別目標的增量訓練集和增量測試集； 5b將步驟4生成的示例集樣本加入到增量訓練集，得到增量任務訓練集； 5c將步驟1生成的測試集樣本加入到增量測試集，得到增量任務測試集； 6構建SAR目標增量分類網絡和增量學習損失函數： 6a復制一份步驟3得到的SAR目標分類網絡，對其特征分類器進行維度擴充，得到SAR目標增量分類網絡； 6b根據步驟3的SAR目標分類網絡和步驟6a得到的SAR目標增量分類網絡的特征提取器，構建特征級蒸餾損失函數 6c根據步驟3的SAR目標分類網絡和步驟6a得到的SAR目標增量分類網絡的特征分類器，構建決策級蒸餾損失函數 6d根據SAR目標增量分類網絡的特征提取器，構建特征分離損失函數 6e根據交叉熵損失函數特征級蒸餾損失函數決策級蒸餾損失函數特征分離損失函數得到SAR目標增量分類網絡的增量學習損失函數 其中，Ncur表示當前增量任務中新增的目標類別的數量；NC表示SAR目標增量分類網絡已完成訓練的目標類別的數量；α是一個動態自適應權重，隨著已完成訓練的類別的數量不斷增加，該權重的大小逐漸減少； 7從步驟5生成的增量任務訓練集中隨機采樣一組SAR圖像輸入到SAR目標增量分類網絡中，計算增量學習損失基于該損失，通過隨機梯度下降算法更新網絡參數，直至網絡收斂，得到訓練好的SAR目標增量分類網絡； 8將增量任務測試集中的SAR圖像輸入到訓練好的SAR目標增量分類網絡中，得到分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。