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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于生成式对抗网络的空间目标样本增广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：CN114332502B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202111534036.4，技术领域涉及：G06V10/774；该发明授权一种基于生成式对抗网络的空间目标样本增广方法是由李爽;牟金震;朱文山;杨彬;刘旭;黄旭星设计研发完成，并于2021-12-15向国家知识产权局提交的专利申请。

本一种基于生成式对抗网络的空间目标样本增广方法在说明书摘要公布了：本发明公开了一种基于生成式对抗网络的空间目标样本增广方法，步骤如下：空间目标的不变特性关联性分析，对其不变特征和差异特征进行分类，为生成式对抗网络提供可供选择的样本；分析原有损失函数易导致模式坍塌的原因，使用逼真度函数替代生成式对抗网络原有的损失函数，对目标进行样本生成；基于自然进化方式，将生成器的生成过程转化为变异过程，并将原有的单个生成器修改为3个待进化的异类生成器；设立适应度函数自我优化空间目标样本，并将优化后的目标样本输入到判别器。本发明将生成式对抗网络的原有损失函数改进为基于逼真度的损失函数，抑制了判别器对生成器的无梯度引导。

本发明授权一种基于生成式对抗网络的空间目标样本增广方法在权利要求书中公布了：1.一种基于生成式对抗网络的空间目标样本增广方法，其特征在于，步骤如下：1空间目标的不变特性关联性分析，对其不变特征和差异特征进行分类，为生成式对抗网络提供可供选择的样本；2分析原有损失函数易导致模式坍塌的原因，使用逼真度函数替代生成式对抗网络原有的损失函数，对目标进行样本生成；3基于自然进化方式，将生成器的生成过程转化为变异过程，并将原有的单个生成器修改为3个待进化的异类生成器；设立适应度函数自我优化空间目标样本，并将优化后的目标样本输入到判别器；所述的步骤1中，设已有的目标图像为源域，生成的目标图像为目标域；将深度学习算法在源域下学习到的知识向目标域迁移，完成空间目标的扩展任务；源域与目标域存在共同的交叉特征，通过特征变换，将源域和空间目标域的特征变换到相同空间，使得该空间中源域数据与空间目标域数据具有相同分布的数据分布，然后进行对抗网络学习；考虑到基于共同特征空间的迁移方法是依靠相同的不变特征，需要对合作空间目标不变特征的关联性进行分析，对其不变特征和差异特征进行分类；所述步骤1中空间目标的不变特性关联性分析具体包括：11样本相似性分析：对空间目标的样本进行增广，要求目标域和源域的数据分布尽可能相似，以保证分类器不变的情况下，对识别任务保持尽可能相同的性能；12特征相似性分析：在样本增广前，从原始样本集中提取原始或附加特征，去除受迁移转换因素影响大的特征，同时选择一组不受影响的特征作为样本增广的输入特征；13模型相似性分析：考虑目标域训练样本不足的情况，通过源域训练分类模型并保持数据分布不变，使分类器适应于目标域的数据分布。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。