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！

龙图腾网获悉西北工业大学申请的专利一种基于对抗生成学习的少样本低空目标识别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：CN120563820B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511056114.2，技术领域涉及：G06V10/25；该发明授权一种基于对抗生成学习的少样本低空目标识别方法是由张鹏;何皓;梁子帆;武君胜;李伟刚设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本一种基于对抗生成学习的少样本低空目标识别方法在说明书摘要公布了：本申请公开了一种基于对抗生成学习的少样本低空目标识别方法、装置、介质和设备，通过基于少样本低空目标图像数据和利用带标签的公开数据集训练初始化模型得到基模型；同时有助于网络模型生成更加清晰、真实以及不同特征和属性的图像，增加生成样本的多样性；对低空图像数据通过数据增广进行扩充，生成扩充后的数据集，并将扩充后的数据集输入至Con‑SAGAN模型中，并基于竞争优化的自适应迁移学习策略对Con‑SAGAN模型进行二次训练和调整，得到飞机目标检测模型；利用飞机目标检测模型处理待检低空图像，输出检测出的目标图像，本申请能够进一步优化模型在目标域上的特征提取和检测性能，从而提高少样本飞机目标检测的精度。

本发明授权一种基于对抗生成学习的少样本低空目标识别方法在权利要求书中公布了：1.一种基于对抗生成学习的少样本低空目标识别方法，其特征在于，包括： 基于少样本低空目标图像数据和利用带标签的公开数据集训练初始化模型得到基模型，其中，初始化模型采用对抗学习的Con-SAGAN模型，Con-SAGAN模型通过在生成对抗模型中添加自注意力模块，并在低空图像数据中添加条件特征信息和噪声信息训练得到； 对低空图像数据通过数据增广进行扩充，生成扩充后的数据集，并将扩充后的数据集输入至Con-SAGAN模型中，并基于竞争优化的自适应迁移学习策略对Con-SAGAN模型进行二次训练和调整，得到飞机目标检测模型； 利用飞机目标检测模型处理待检低空图像，输出检测出的目标图像； 所述Con-SAGAN模型包括： 生成器和判别器； 其中，生成器的输入为噪声向量，以及，加入条件信息和噪声信息的低空图像数据，通过卷积转置层、自注意力模块及Tanh激活函数生成图像，其中，所述条件信息包括飞机型号信息、视角信息或环境信息中的至少一种； 判别器的输入为加入条件信息的生成图像，通过卷积转置层，LeakyReLU层，自注意力模块提取加入条件信息的生成图像的图像特征； 所述基于竞争优化的自适应迁移学习策略对Con-SAGAN模型进行二次训练和调整，得到飞机目标检测模型，包括： 将基模型的初始模型权重迁移至待训练的飞机目标检测模型中，得到序号从小到大排列的网络模型文件，其中，序号代表微调深度； 对微调深度排列最前的两个网络模型进行预设迭代次数的微调训练； 在内层循环中，计算并比较两个网络模型的历次训练准确率，得到竞争结果，若序号靠后的网络模型竞争成功，且序号靠后的网络模型的微调深度小于预设的网络深度； 则以序号靠后的网络模型的权重作为微调后的最优权重，以序号靠后的网络模型的微调深度为最优微调深度，根据最优权重和最优微调深度确定当前最优网络模型，同时将靠后的序号加1并跳出内层循环； 否则，对两个网络模型再次进行预设迭代次数的微调训练； 跳出内层循环后，继续对当前最优网络模型和序号加1后的网络模型进行预设迭代次数的微调训练，并比较两者的训练准确率，直至新的最优网络模型的训练准确率不再发生变化，或者达到序号最大值； 输出最优网络模型权重及最优微调深度，并将最优网络模型作为飞机目标检测模型。

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北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。