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一种基于对比学习预训练的SAR舰船分类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：CN116797938B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310567081.2，技术领域涉及：G06V20/13；该发明授权一种基于对比学习预训练的SAR舰船分类方法是由王英华;张超;刘宏伟设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本一种基于对比学习预训练的SAR舰船分类方法在说明书摘要公布了：本发明公开了一种基于对比学习预训练的SAR舰船分类方法，包括：构建特征融合网络，特征融合网络包括依次连接的特征提取模块、第一特征融合模块和第二特征融合模块；构建以特征融合网络为特征提取网络的SimCLR对比学习网络框架；获取多组mat格式训练数据集和多组JPG格式图片训练数据集，并将多组JPG图片训练数据集分别输入SimCLR网络框架中进行训练，获得多组预训练模型；将多组预训练模型的参数加载到特征融合网络中，并利用多组mat格式训练数据集进行进一步训练，获得训练后的特征融合网络；将待分类的原始SAR图片输入至训练后的特征融合网络中，获得分类结果。本发明使用无监督对比学习获得预训练模型并结合特征融合网络，提升了舰船分类性能。

本发明授权一种基于对比学习预训练的SAR舰船分类方法在权利要求书中公布了：1.一种基于对比学习预训练的SAR舰船分类方法，其特征在于，包括： S1：构建特征融合网络，所述特征融合网络包括依次连接的特征提取模块、第一特征融合模块和第二特征融合模块，其中，所述特征提取模块用于对输入的SAR图像进行初步特征提取，获取所述SAR图像的浅层特征和深层特征；所述第一特征融合模块用于实现从所述深层特征向所述浅层特征的融合，获得融合后的浅层特征；所述第二特征融合模块用于实现从所述融合后的浅层特征向所述深层特征的继续融合，并输出图像类别概率； S2：构建以所述特征融合网络为特征提取网络的SimCLR对比学习网络框架，所述SimCLR对比学习网络框架包括级联的特征提取网络和特征映射网络； S3：获取多组mat格式训练数据集和多组JPG格式图片训练数据集，并将所述多组JPG图片训练数据集分别输入所述SimCLR对比学习网络框架中进行训练，获得多组预训练模型； S4：将所述多组预训练模型的参数加载到所述特征融合网络中，并利用所述多组mat格式训练数据集对所述特征融合网络进行进一步训练，获得训练后的特征融合网络； S5：将待分类的原始SAR图片输入至训练后的特征融合网络中，获得分类结果。

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。