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！

龍圖騰網獲悉西北工業大學申請的專利一種基于對抗生成學習的少樣本低空目標識別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：CN120563820B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202511056114.2，技術領域涉及：G06V10/25；該發明授權一種基于對抗生成學習的少樣本低空目標識別方法是由張鵬;何皓;梁子帆;武君勝;李偉剛設計研發完成，并于2025-07-30向國家知識產權局提交的專利申請。

本一種基于對抗生成學習的少樣本低空目標識別方法在說明書摘要公布了：本申請公開了一種基于對抗生成學習的少樣本低空目標識別方法、裝置、介質和設備，通過基于少樣本低空目標圖像數據和利用帶標簽的公開數據集訓練初始化模型得到基模型；同時有助于網絡模型生成更加清晰、真實以及不同特征和屬性的圖像，增加生成樣本的多樣性；對低空圖像數據通過數據增廣進行擴充，生成擴充后的數據集，并將擴充后的數據集輸入至Con?SAGAN模型中，并基于競爭優化的自適應遷移學習策略對Con?SAGAN模型進行二次訓練和調整，得到飛機目標檢測模型；利用飛機目標檢測模型處理待檢低空圖像，輸出檢測出的目標圖像，本申請能夠進一步優化模型在目標域上的特征提取和檢測性能，從而提高少樣本飛機目標檢測的精度。

本發明授權一種基于對抗生成學習的少樣本低空目標識別方法在權利要求書中公布了：1.一種基于對抗生成學習的少樣本低空目標識別方法，其特征在于，包括： 基于少樣本低空目標圖像數據和利用帶標簽的公開數據集訓練初始化模型得到基模型，其中，初始化模型采用對抗學習的Con-SAGAN模型，Con-SAGAN模型通過在生成對抗模型中添加自注意力模塊，并在低空圖像數據中添加條件特征信息和噪聲信息訓練得到； 對低空圖像數據通過數據增廣進行擴充，生成擴充后的數據集，并將擴充后的數據集輸入至Con-SAGAN模型中，并基于競爭優化的自適應遷移學習策略對Con-SAGAN模型進行二次訓練和調整，得到飛機目標檢測模型； 利用飛機目標檢測模型處理待檢低空圖像，輸出檢測出的目標圖像； 所述Con-SAGAN模型包括： 生成器和判別器； 其中，生成器的輸入為噪聲向量，以及，加入條件信息和噪聲信息的低空圖像數據，通過卷積轉置層、自注意力模塊及Tanh激活函數生成圖像，其中，所述條件信息包括飛機型號信息、視角信息或環境信息中的至少一種； 判別器的輸入為加入條件信息的生成圖像，通過卷積轉置層，LeakyReLU層，自注意力模塊提取加入條件信息的生成圖像的圖像特征； 所述基于競爭優化的自適應遷移學習策略對Con-SAGAN模型進行二次訓練和調整，得到飛機目標檢測模型，包括： 將基模型的初始模型權重遷移至待訓練的飛機目標檢測模型中，得到序號從小到大排列的網絡模型文件，其中，序號代表微調深度； 對微調深度排列最前的兩個網絡模型進行預設迭代次數的微調訓練； 在內層循環中，計算并比較兩個網絡模型的歷次訓練準確率，得到競爭結果，若序號靠后的網絡模型競爭成功，且序號靠后的網絡模型的微調深度小于預設的網絡深度； 則以序號靠后的網絡模型的權重作為微調后的最優權重，以序號靠后的網絡模型的微調深度為最優微調深度，根據最優權重和最優微調深度確定當前最優網絡模型，同時將靠后的序號加1并跳出內層循環； 否則，對兩個網絡模型再次進行預設迭代次數的微調訓練； 跳出內層循環后，繼續對當前最優網絡模型和序號加1后的網絡模型進行預設迭代次數的微調訓練，并比較兩者的訓練準確率，直至新的最優網絡模型的訓練準確率不再發生變化，或者達到序號最大值； 輸出最優網絡模型權重及最優微調深度，并將最優網絡模型作為飛機目標檢測模型。

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北工業大學，其通訊地址為：710072 陜西省西安市碑林區友誼西路127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”。