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：西安电子科技大学
摘要：本发明提出了一种基于跨模态知识迁移的SAR图像无监督目标检测方法，实现步骤为：获取训练样本集和测试样本集：构建基于跨模态知识迁移的目标检测网络模型并对其进行迭代训练；获取目标检测结果。本发明在对基于跨模态知识迁移的SAR图像无监督目标检测网络进行训练的过程中，通过对抗学习网络对特征提取器的参数进行更新，使特征提取器特别关注可见光图像和SAR图像的深层特征和共同特征，将学习到的知识从可见光图像迁移到SAR图像；同时由于通过引入中间域图像将一阶段复杂的任务分解成两阶段的简单子任务，引入权值参数将骨干网络损失函数改为加权版本，解决了中间域图像的离群问题，提高了目标检测精度。
主权项：1.一种基于跨模态知识迁移的SAR图像无监督目标检测方法，其特征在于，包括如下步骤：1获取训练样本集和测试样本集：获取包括多个目标类型的N幅可见光图像和N幅合成孔径雷达SAR图像，并对其中M幅可见光图像中的目标进行标注，然后对M幅可见光图像、对应的中间域图像和SAR图像进行数据增强后，与标注组成训练样本集，同时将剩余的R＝N-M幅SAR图像组成测试样本集，其中，N≥10000，M＞N2；2构建基于跨模态知识迁移的目标检测网络模型W：构建包括由级联的局部特征提取器Floc、全局特征提取器Fglobal和多尺度检测头组成的主干网络WOD，以及用于知识迁移的对抗学习子网络WADV的跨模态目标检测网络模型W，WADV包括分别与Floc、Fglobal连接的第一对抗学习子网络Wadv-1和第二对抗学习子网络Wadv-2；3定义跨模态目标检测网络模型W的损失函数Loss：Loss＝Ldet+λLadv其中，Ldet、Ladv分别表示主干网络WOD、对抗学习子网络WADV的损失值，λ表示Ladv的权重；4对跨模态目标检测网络模型W进行迭代训练：通过训练样本集对目标检测网络模型W进行迭代训练，得到训练好的网络跨模态目标检测网络模型W*；5获取目标检测结果：将测试样本集作为训练好的跨模态目标检测网络模型W*中骨干网络的输入对每个测试样本中的目标进行检测，得到R个测试样本的目标检测结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于跨模态知识迁移的SAR图像无监督目标检测方法
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