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：本发明公开了一种基于多任务子网络分解的SAR变化检测网络训练方法，包括：获取SAR图像样本集，获取预设卷积神经网络并对目标参数初始化；用SGD随机梯度下降法迭代训练；当训练效果不明显时，利用得到的多组全网目标参数得到父代种群；全网目标参数优化定为主任务，全网络按层分解得到子网络的优化定为辅任务，选择一个辅任务配合主任务，基于种群遗传方式迭代训练，若多次迭代后辅任务遍历完成，保留得到的一组最优的全网目标参数，返回SGD随机梯度下降法；在训练结束时获得最优全网目标参数代入预设卷积神经网络得到训练完成的SAR图像变化检测网络。本发明能加快网络收敛，避免陷入局部最优，缓解梯度消失和梯度爆炸现象。

主权项：1.一种基于多任务子网络分解的SAR变化检测网络训练方法，其特征在于，包括：S1，获取SAR图像样本集，获取预设卷积神经网络并对待训练的目标参数进行初始化；S2，利用所述SAR图像样本集，采用SGD随机梯度下降法对当前网络进行迭代训练，保留每次训练得到的全网目标参数；其中，若当前次训练满足第一结束条件时执行S5；否则在判定训练无效时执行S3；其中，所述第一结束条件为网络进行变化检测的误检率小于误检率阈值，或累计迭代次数达到第一预设迭代次数；S3，利用所述SGD随机梯度下降法迭代训练得到的多组全网目标参数，进行种群初始化得到父代种群；其中，每代种群含有的个体数量相同；每个个体对应一个针对SAR图像的变化检测网络，每个个体的染色体编码是按照对应的变化检测网络各层顺序将各层所对应的目标参数顺序排列得到的；S4，选择一个辅任务配合主任务，基于种群遗传方式进行多任务优化的网络迭代训练，保留每次训练得到的全网目标参数；其中，若当前次训练满足第二结束条件，执行S5；若多次迭代训练后判定所有辅任务遍历完成，保留多任务演化得到的一组最优的全网目标参数，并返回S2；所述预设卷积神经网络依据层数被预先分解为多个子网络，每个子网络被设定为用于优化该子网络的目标参数的辅任务，全部子网络的集合被设定为用于优化全网络的目标参数的主任务；其中，所述第二结束条件为当前次训练得到的所有误检率中至少存在一个误检率小于所述误检率阈值；S5，获得迭代训练完成的最优全网目标参数，并将其代入所述预设卷积神经网络，得到训练完成的SAR图像变化检测网络，以用于对待测SAR图像对进行变化检测。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于多任务子网络分解的SAR变化检测网络训练方法