龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：东北大学
摘要：本发明提供一种基于深度学习的SAR目标识别方法。首先根据SAR图像所具有的随机斑点噪声和较低的分辨率等固有特性，提出了深度卷积网络模型，并对模型中的激活函数、分类器和目标函数进行了设计，然后针对模型中可能存在的过拟合和不收敛的问题提出了基于RMSprop优化算法和随机梯度下降算法的组合优化算法，最终得到一种基于混合激活的深度卷积神经网络模型，该模型能够有效提升目标识别的准确率并减少目标识别的时间。
主权项：1.一种基于深度学习的SAR目标识别方法，其特征在于，包括以下步骤：步骤1：根据SAR目标识别特性和流程设计深度卷积神经网络模型并对所述深度卷积神经网络模型进行优化，所述的深度卷积神经网络模型设计为11层，包括8个卷积层和3个全连接层，每一个卷积层之后叠加一个最大池化层，在最后一个全连接层之后连接一个分类器，通过分类器输出模型预测的类别标签；所述卷积层使用Elu激活函数，以应对图像噪声和输入变化；所述全连接层采用Relu激活函数，增加数据稀疏性，并且抑制训练过程中的梯度弥散影响；所述对深度卷积神经网络模型进行优化具体表述为：采用Dropout优化算法解决深度卷积神经网络模型中存在的过拟合问题，采用批量归一化算法解决深度卷积神经网络模型中存在的梯度弥散问题，采用基于RMSprop优化算法和随机梯度下降算法的组合优化算法解决深度卷积神经网络模型中存在的不收敛情况；步骤2：将采集到的SAR图像进行数据集预处理，所述预处理包括两部分：1去除SAR图像周围的无关信息，2制作训练集样本和测试集样本以及测试集样本的H5PY文件；步骤3：将采集到的SAR样本图像经过数据集预处理之后得到的H5PY文件输入到所述深度卷积神经网络模型中，输出对SAR样本图像类别标签的预测结果及识别准确率；步骤4：设计深度卷积神经网络模型的目标函数C，所述目标函数C的计算结果越接近零，表示深度卷积神经网络模型输出的预测值越接近SAR样本图像标记的真实值，当预测值与真实值之间的差值的绝对值小于预设阈值δ时，所述预测值对应的类别标签即为所要识别的目标。
全文数据：
权利要求：
百度查询： 东北大学 一种基于深度学习的SAR目标识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号