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！

龙图腾网获悉暨南大学申请的专利融合特征损失和三目标优化的鲁棒SAR图像识别系统与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：CN116109926B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310041805.X，技术领域涉及：G06V20/10；该发明授权融合特征损失和三目标优化的鲁棒SAR图像识别系统与方法是由曾国强;张宇;翁健;耿光刚;李理敏;魏海南设计研发完成，并于2023-01-12向国家知识产权局提交的专利申请。

本融合特征损失和三目标优化的鲁棒SAR图像识别系统与方法在说明书摘要公布了：本发明公开了一种融合特征损失和三目标优化的鲁棒合成孔径雷达图像识别系统与方法。构建基于神经网络模型多个隐含层的多特征加权损失函数，对SAR图像识别模型的神经网络架构参数、多特征加权损失函数的权重参数和训练学习率进行个体编码，将SAR图像识别模型的参数数量、对正常样本的识别精度和对对抗样本的识别精度作为优化目标，设计基于三目标优化方法的离线优化平台，获得了用于在线部署的具有轻量化、高精度和强对抗鲁棒性的SAR图像识别模型。本发明技术不仅实现了兼顾多性能指标的SAR图像识别模型自动生成，构建的多特征加权损失函数扩展了SAR图像识别模型的特征组合方式，还提升了模型轻量化、识别精度和对抗鲁棒性等综合性能。

本发明授权融合特征损失和三目标优化的鲁棒SAR图像识别系统与方法在权利要求书中公布了：1.一种融合特征损失和三目标优化的鲁棒合成孔径雷达图像识别系统，其特征在于，该系统包括SAR图像数据预处理模块、融合多特征损失和三目标优化的对抗鲁棒SAR图像识别模型离线训练与优化模块和SAR图像在线识别模块； 所述SAR图像数据预处理模块从SAR系统实时数据库中采集SAR系统实时监控的图像数据，该过程中存在恶意敌手的对抗攻击威胁，导致获得的实时监控图像数据中可能存在对抗样本；将实时监控图像数据经过图像数据规范化和图像数据归一化处理后生成在线检测数据集，将该在线检测数据集传输到SAR图像在线识别模块；所述SAR图像数据预处理模块从SAR系统历史数据库中采集SAR系统的历史图像数据，经过图像数据规范化和图像数据归一化处理后生成离线数据集，将离线数据集按4:1的比例切分为离线训练集和离线验证集，然后传输到融合多特征损失和三目标优化的对抗鲁棒SAR图像识别模型离线训练与优化模块； 所述融合多特征损失和三目标优化的对抗鲁棒SAR图像识别模型离线训练与优化模块，首先将SAR图像识别模型的神经网络架构参数进行整数编码，对多个损失权重参数、训练学习率进行实数编码，共同作为个体的混合编码；之后随机产生一个初始化候选种群，基于不同个体编码对应的SAR图像识别模型架构，训练学习率和对交叉熵损失、同类浅层损失、同类深层损失、异类浅层损失、异类深层损失进行多特征损失加权计算得到的多特征融合损失对离线训练集进行模型训练，使用训练得到的SAR图像识别模型计算对离线验证集的正常样本识别精度以及模型的参数数量，并通过PGD对抗攻击模块生成SAR图像对抗样本，计算模型的对抗样本识别精度；将SAR图像识别模型的正常样本识别精度、对抗样本识别精度和模型参数数量作为个体三目标适应度函数评估子模块的适应度指标，采用快速非支配排序、拥挤度距离计算和适应度综合评估子模块对初始候选种群中的个体进行排序，根据种群规模生成父代种群，并在获得的帕累托前沿个体中选择最优个体；将父代种群输入到混合差分变异模块和混合差分交叉模块，生成子代种群后，将父代种群和子代种群进行合并操作，产生新一代候选种群；重复上述进化过程直到达到最大进化轮次，从而获得最终的最优个体；将该最优个体对应的最优SAR图像识别模型传输至SAR图像在线识别模块； 所述SAR图像在线识别模块，在线部署最优SAR图像识别模型，对在线检测数据集进行图像识别，计算正常样本识别精度；之后通过快速梯度符号FGSM攻击模块、梯度迭代PGD攻击模块、优化CW攻击模块、决策边界Deepfool攻击模块、抖动Jitter攻击模块和随机噪声RandomNoise攻击模块生成在线检测数据集的对抗样本，采用在线部署的最优SAR图像识别模型，计算出模型对以上对抗样本的分类准确度，从而得到模型的对抗样本识别精度。

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暨南大学，其通讯地址为：510630 广东省广州市天河区黄埔大道西601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。