Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安理工大学赵志强获国家专利权

西安理工大学赵志强获国家专利权

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!

龙图腾网获悉西安理工大学申请的专利基于多原型学习的高分辨率SAR图像场景分类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:CN116580221B

龙图腾网通过国家知识产权局官网在2026-05-05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:202310251686.0,技术领域涉及:G06V10/764;该发明授权基于多原型学习的高分辨率SAR图像场景分类方法是由赵志强;仝钰辉;贾萌;石伟伟;于浩设计研发完成,并于2023-06-21向国家知识产权局提交的专利申请。

基于多原型学习的高分辨率SAR图像场景分类方法在说明书摘要公布了:本发明公开了基于多原型学习的高分辨率SAR图像场景分类方法,首先,针对可供使用的SAR图像少以及高质量标注SAR图像少的问题,本发明引入了小样本学习的方法,实现了在数据集样本较少的情况下也能达到好的性能。此外,本发明还提出了多原型学习的方法,由于每个类别的单个原型不能很好的代表类别,所以通过小样本学习划分的支持集生成每个类别的多原型来引导查询集的分类。本发明的数据集采用SAR图像场景分类小样本数据集。实验表明,本发明所提出的一种基于多原型学习的高分辨率SAR图像场景分类方法提高了高分辨率SAR图像场景分类的准确性,能够有效的克服相干斑噪声带来的干扰。

本发明授权基于多原型学习的高分辨率SAR图像场景分类方法在权利要求书中公布了:1.基于多原型学习的高分辨率SAR图像场景分类方法,其特征在于,具体操作步骤如下: 步骤1、获取SAR图像场景分类小样本数据集,将数据集根据类别划分为训练集、验证集、测试集; 步骤2、从训练集中根据类别随机抽取多个小样本数据块作为支持集,从支持集类剩余样本中随机抽取多个样本数据作为查询集,对支持集和查询集图像进行预处理; 步骤2中,遵循小样本学习N-wayk-shot的设置,首先从训练集中随机挑选出N个类,然后在这N个类中都随机挑选出k个样本,这N×k个样本作为支持集的一个数据块,遵循同样的方式再从这N个类中随机挑选样本组成其他的数据块,这多个数据块组成支持集,再从这N个类中剩余的样本中随机挑选样本组成查询集;一组支持集和查询集就组成了一个训练任务;接下来对支持集和查询集样本进行预处理操作,把图像的大小缩放到84×84的大小,然后对图像进行标准化,由于图像是单通道的灰度图像,均值设置为0.485,方差设置为0.229; 步骤3、将预处理后的支持集的多个小样本数据块通过特征提取器提取特征,通过每个数据块中每个类的所有特征得到该类的原型,然后把多个数据块的多个原型集成起来; 步骤3中所述特征提取器由4个卷积块组成,把84×84的支持集图像输入特征提取器,特征提取器第一个卷积块输入通道是1,输出通道为64,首先经过卷积核大小为3×3、填充为1的卷积层,然后经过块标准化层对数据进行归一化处理;接下来经过激活函数relu层,最后进行最大池化的操作,池化核大小为2×2;剩下的三个卷积块除了输入通道为64,其他的设置与第一个卷积块完全一致;经过4个卷积层之后,输出的结果为大小为5×5,通道数为64的特征图,最后将输出的特征图展平为一行; 当支持集经过特征提取器提取特征,根据公式1对每个数据块的每个类求均值得到每个类的原型,原型的意义是作为每个类的代表而存在,然后把不同数据块相同类的原型集成到一起,就得到了这N个类中每个类的多原型,原型的计算公式定义为: 1 其中,代表第c类的原型,是c类样本的第i个样本,表示第c类样本,代表特征提取器,k表示第c类样本的总数量 步骤4、通过对查询集图像提取特征,然后根据提取的查询集特征在每个类的多原型上进行投影,根据查询集特征到多原型投影的距离进行分类; 步骤4中,将查询集图像同样先进行预处理操作:把图像的大小缩放到84×84的大小,然后对图像进行标准化,由于图像是单通道的灰度图像,均值设置为0.485,方差设置为0.229; 查询集经过预处理之后,通过特征提取器对查询集进行特征提取,支持集和查询集共享同一个特征提取器,然后根据公式2将拿到的查询样本特征在这N个类别的多原型上都进行投影,查询样本特征到多原型的投影公式定义为: 2 是查询样本在多原型上的投影,是c类所有样本的均值;接下来根据公式3计算查询特征到这N个类别多原型上的投影之间的距离,查询图像到多原型的距离公式定义为: 3 最后根据公式4的softmax函数来得到出查询样本分别属于这N个类别的概率,查询样本分配给类c的概率公式定义为: 4 概率最大的类别就判别为分类结果。

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西安理工大学,其通讯地址为:710048 陕西省西安市碑林区金花南路5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”。

以上内容由龙图腾AI智能生成。

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。