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！

龙图腾网恭喜哈尔滨工业大学申请的专利一种基于图像的飞机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：CN115082769B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210750617.X，技术领域涉及：G06V20/00；该发明授权一种基于图像的飞机目标识别方法是由魏长安;姜守达;杨京礼;孙超设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种基于图像的飞机目标识别方法在说明书摘要公布了：一种基于图像的飞机目标识别方法，它属于目标识别领域。本发明解决了利用现有的深度学习方法对空中飞机目标进行识别时所获得的识别准确率低的问题。本发明针对数据集高复杂度的特点，通过构建RSC模块来对模型训练过程中的特征提取做优化，通过对高梯度特征静音的措施，强制网络学习更多特征完成目标类别预测。针对数据集表面相关性的问题，通过提出一种正则化方法实现了对损失函数的优化，来抑制梯度饥饿现象，进而提升识别准确率。本发明方法可以应用于目标识别领域。

本发明授权一种基于图像的飞机目标识别方法在权利要求书中公布了：1.一种基于图像的飞机目标识别方法，其特征在于，所述方法具体包括以下步骤：步骤一、构建空中飞机目标图像的数据集，并对数据集中的飞机目标图像进行标注；步骤二、基于ResNet-50构建SDRSC目标识别模型，利用标注后的数据集对构建的SDRSC目标识别模型进行训练；所述SDRSC目标识别模型具体为：选取ResNet-50作为主干网络，通过在主干网络的平均池化层与线性分类层之间嵌入RSC模块以获得SDRSC目标识别模型；所述RSC模块的工作过程为：步骤1、计算平均池化层输出的不同维度特征对分类预测的贡献程度；步骤2、初始化超参数p，将贡献程度排在前p％的维度特征做静音处理，即构造一个与平均池化层输出特征总维度相同的向量m，向量m中的第i个元素mi为： 其中，gzi为平均池化层输出的第i个维度特征的贡献程度，qp为贡献程度排在前p％的维度特征中的贡献程度最小值；步骤3、将平均池化层输出的特征与向量m做Hadamard乘积，得到更新后的特征 其中，⊙表示Hadamard乘积；步骤4、计算更新后的特征经过softmax函数的输出结果： 其中，为主干网络中用来做类别预测的部分的输出；根据计算出的采用梯度下降公式来更新模型参数，其中，y是样本标签，是交叉熵损失函数，是权重最高的特征的参数；步骤三、采集待识别的空中飞机目标图像，再将待识别的空中飞机目标图像输入步骤二训练好的SDRSC目标识别模型，通过SDRSC目标识别模型输出目标识别结果。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。