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多尺度网络的SAR图像小样本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：CN115995040B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211341986.X，技术领域涉及：G06V20/10；该发明授权一种基于多尺度网络的SAR图像小样本目标识别方法是由魏倩茹;张煜辉设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种基于多尺度网络的SAR图像小样本目标识别方法在说明书摘要公布了：本发明公开了一种基于多尺度网络的SAR图像小样本目标识别方法，将孪生网络的机器学习框架应用SAR图像的目标识别任务，包括图像对采样、训练任务采样、测试任务采样等；使用自编码器和多尺度的特征提取网络来增强模型训练过程中的特征传播。本发明可实现在SAR图像小样本情况下的目标识别任务，缓解由于在SAR图像样本量极低的情况下机器学习模型无法达到的目标识别效果。

本发明授权一种基于多尺度网络的SAR图像小样本目标识别方法在权利要求书中公布了：1.一种基于多尺度网络的SAR图像小样本目标识别方法，其特征在于，包括： 在多尺度网络的输入阶段将会随机选取两幅图像，并生成相应的图像对；若选取的图像对所属类别相同，则生成的对应监督信息Label＝1；若选取的图像对所属类别不相同，则生成的对应监督信息Label＝0； 将所选取的图像对输入到多尺度网络，该网络结构共享权重参数，对图像进行特征提取，将原始的数据输入的维度进行特征提取后，进行全连接得到特征向量； 在得到对应维度特征向量后，使用余弦距离计算所输入图像的相似度；在输入的图像对相似程度较高的情况下，其计算余弦相似度的值接近于1，而在相似度较低的情况下其值接近于-1；对于所输入的监督信息类别相同Label＝1或类别不同Label＝0，使用余弦相似度使得输入的特征向量与其输入维度无关，在输入维度增长时，其余弦相似度计算所得也能够保持与低维度输入时相似的值； 得到的余弦距离与生成的监督信息Label输入到二分类交叉熵损失计算； 使用二值交叉熵损失和均方误差损失的加权和作为多尺度网络的总体损失函数，进行反向传播，对多尺度网络进行梯度更新； 特征提取的网络包括： 使用卷积层为5×5卷积核和3×3卷积核，每一个卷积层均包括批归一化操作和无偏卷积，池化层均使用2×2的最大值池化，该种池化层通过选取局部的最大值，学习图像的边缘与纹理结构等特征； 通过对2×2池化模板内的各个元素比较，提取最大值，取得局部的主要特征； 特征提取的网络为多尺度卷积神经网络； 将该经过多尺度卷积神经网络编码后的特征向量输入自编码器中的解码器模块。

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”。

以上内容由龙图腾AI智能生成。