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！

龙图腾网获悉南京航空航天大学申请的专利一种基于显著特征的SAR飞机目标检测识别算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：CN118506053B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410495820.6，技术领域涉及：G06V10/764；该发明授权一种基于显著特征的SAR飞机目标检测识别算法是由郭倩;陈际云;毕辉;张晶晶设计研发完成，并于2024-04-23向国家知识产权局提交的专利申请。

本一种基于显著特征的SAR飞机目标检测识别算法在说明书摘要公布了：本发明公开了一种基于显著特征的SAR飞机目标检测识别算法，其特征在于，包括如下步骤：对SAR图像进行预处理，根据目标所在位置获得掩膜图，作为后续检测模型的输入；对目标检测模型进行训练和微调，通过生成网络模块来优化模型的特征提取器，进而挖掘数据中的像素信息来学习SAR图像中飞机目标与杂波背景的不同特征；将步骤1中的掩膜图和目标标签作为飞机目标检测识别算法模型的输入进行训练和微调，得到目标的检测结果。本发明能够聚焦学习前景目标，并且能更好的学习前景和背景杂波的差异；只需要少量的新类训练样本就可以达到较好的精度；增强模型对目标和背景的鉴别能力，提高目标检测精度，减少虚警、漏检。

本发明授权一种基于显著特征的SAR飞机目标检测识别算法在权利要求书中公布了：1.一种基于显著特征的SAR飞机目标检测识别算法，其特征在于，包括如下步骤：1对SAR图像进行预处理，根据目标所在位置获得掩膜图，作为后续少样本SAR飞机目标检测模型的输入；2对基于显著特征的少样本SAR飞机目标检测模型进行训练和微调，通过生成网络模块来优化模型的特征提取器，进而挖掘数据中的像素信息来学习SAR图像中飞机目标与杂波背景的不同特征；3将步骤1中的掩膜图作为基于显著特征的适用于少样本条件下的SAR飞机目标检测识别算法模型的输入进行训练和微调，得到目标的检测结果，所述步骤1掩膜图的提取步骤包括：1.1将输入图片转成0，1的张量，记为Image_Tensor；1.2创建一个全零张量，记为modified_image；1.3图片对包括原始图片和标注，对每一对图片记为Image_Tensor和标注记为Target，遍历标注信息中的每个边界框，循环将边界框坐标转换为整数，提取边界框的坐标，最终将原始图片中对应区域的像素值复制到modified_image中，所述步骤2包括：2.1在基础训练阶段，采用FasterRCNN损失和生成网络模块损失训练策略对目标检测模型进行交替训练优化；2.2在少样本微调阶段，将随机初始化的权重分配给新类的预测器，将基于全连接层的分类器替换为基于余弦相似度的分类器，冻结特征提取模块、RPN模块、生成网络模块和RoIPooling模块的参数，所述步骤2.1中FasterRCNN损失采用FasterRCNN中的标准联合损失函数和所提出的生成网络模块损失函数，表示为：Loss＝LRPN+LRCNN其中，第一项为RPN损失，第二项为RCNN损失，所述RPN损失包括分类器损失和回归损失，RPN损失计算公式为： 其中，pi表示第i个锚点预测为真实标签的概率，当为正样本时为1，当为负样本时为0，ti表示预测第i个锚点的边界框回归参数，表示第i个锚点对应的真实标签边界框，Ncls表示一个小批量训练样本数，Nreg表示锚点位置的个数，分类器损失使用二值交叉熵损失，即： 其中，yi是样本i的真实标签，是样本的预测概率，回归损失使用平滑L1损失函数来计算，表示为： 平滑L1函数定义如下： 所述RCNN损失包括分类器损失和回归损失，其中分类器损失使用的是soffmax多分类交叉熵损失，回归损失仍然是平滑L1损失，即：Lp，u，tu，v＝Lclsp，u+λ[u≥1]Lregtu，v其中，p为分类器预测softmax概率分布，u为对应目标真实类别标签的编码，u＝u0，...，uk，[u≥1]是艾弗森括号，多分类交叉熵损失表示为： 所述步骤2.1对目标检测模型进行交替训练优化包括：将步骤1中得到的掩膜图作为监督的标签，特征提取网络将得到的特征图输入生成网络模块得到fake图像，并通过二者计算MSE损失来优化生成网络模块和特征提取器模块，损失函数为：Lg＝MSELossfake，label其中，fake是网络模块生成的图片，label是步骤1得到的标签图， 是生成图像，Y是真实图像，n是像素数量，是第i个像素的预测值，yi是第i个像素的真实值，所述步骤2.2基于余弦相似度的分类器表示为： 其中，pi，j表示第i个RoI特征属于j类的预测概率，si，j表示第i个候选框对应第j个类别的余弦相似度，wj表示第j类的权重向量，α是尺度因子，Fx是输入特征。

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南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29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”。