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！

龙图腾网获悉中国科学院声学研究所申请的专利一种基于轻量型卷积网络的多角度声呐图像目标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：CN116343016B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310002666.X，技术领域涉及：G06V20/05；该发明授权一种基于轻量型卷积网络的多角度声呐图像目标分类方法是由巩文静;田杰;刘纪元设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本一种基于轻量型卷积网络的多角度声呐图像目标分类方法在说明书摘要公布了：本发明涉及水下目标识别领域，尤其涉及基于轻量型卷积网络的多角度声呐图像目标分类方法，所述方法包括：1对声呐图像进行处理，获得多角度声呐图像数据集；2获取图像训练集与验证集；3构建基于轻量型网络的多角度声呐图像目标分类模型；4利用数据集对上述模型进行迭代训练；5获取目标分类结果。本发明利用多个角度的声呐图像进行目标分类，相较于单角度图像而言能够更加全面地描述目标散射特性，由此对目标进行属性判别，拥有更高的准确度，同时轻量化的网络模型也能够减小资源消耗，为实际应用提供可能。

本发明授权一种基于轻量型卷积网络的多角度声呐图像目标分类方法在权利要求书中公布了：1.一种基于轻量型卷积网络的多角度声呐图像目标分类方法，所述方法包括： 将目标的多个角度的单通道声呐图像预处理后进行信息融合，获得目标的多角度声呐图像； 将目标的多角度声呐图像输入预选建立并训练好的基于轻量型卷积网络的多角度声呐图像目标分类模型中，得到目标分类结果； 其中，所述多角度声呐图像目标分类模型通过对轻量型MobileNetV2网络改进得到；所述对轻量型MobileNetV2网络改进，包括：去掉轻量型MobileNetV2网络中特征提取卷积层Conv2之后的网络层，并修改特征提取卷积层Conv2的通道数；添加Flatten层实现降维操作，并且添加Dropout层进行随机丢弃，最后添加一个全连接层对结果进行分类； 所述多角度声呐图像目标分类模型具体包括：特征提取模块和分类模块；其中， 所述特征提取模块包括输入层Input、特征提取卷积层Conv1、瓶颈层Bottleneck1-Bottleneck7、特征提取卷积层Conv2、Flatten层和Dropout层；其中，特征提取卷积层Conv2的通道数为128，Dropout层的丢弃率为0.5； 所述分类模块包括一个全连接层； 所述多角度声呐图像目标分类模型的处理过程具体包括： 输入层Input将目标的多角度声呐图像送入特征提取卷积层Conv1； 具有3×3卷积核的特征提取卷积层Conv1对多角度声呐图像进行特征图提取，并输入瓶颈层Bottleneck1-Bottleneck7； 瓶颈层Bottleneck1-Bottleneck7中每一层Bottleneck均包括：第一标准卷积、一个深度可分离卷积和第二标准卷积；首先，1×1的第一标准卷积进行维度扩展操作，其次，3×3的深度分离卷积进行特征提取，最后，1×1的第二标准卷积将数据进行压缩；瓶颈层Bottleneck1-Bottleneck7中每一层Bottleneck依次对特征图进行处理，并将处理后的特征图输入特征提取卷积层Conv2； 特征提取卷积层Conv2的通道数设置为128，对特征图进行处理并输入到Flatten层； Flatten层将特征图转化为一维，并输入到Dropout层； Dropout层对特征图进行随机丢弃处理； 全连接层将目标分类并输出目标分类结果，即目标属于某一类别的概率； 所述第一标准卷积使用函数ReLU6x进行激活，表达式为： ReLU6x＝min6,maxx,0 其中，x表示激活函数输入值，min·表示取最小值函数，max·表示取最大值函数； 所述第二标准卷积使用函数Lineax进行激活，表达式为： Linearx＝x。

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中国科学院声学研究所，其通讯地址为：100190 北京市海淀区北四环西路21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。