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！

龙图腾网恭喜重庆大学申请的专利基于半监督的SAR图像目标识别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：CN115775353B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202211339159.7，技术领域涉及：G06V20/10；该发明授权基于半监督的SAR图像目标识别方法是由张新征;魏宇航;胡东;罗雨晴设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本基于半监督的SAR图像目标识别方法在说明书摘要公布了：本发明具体涉及基于半监督的SAR图像目标识别方法，包括：通过经过训练的目标识别模型生成待识别SAR图像的目标预测值；训练目标识别模型时：首先获取用于训练的有标签图像和无标签图像并输入特征融合网络中，并基于有标签预测值计算有监督损失；然后对无标签图像进行弱增强和强增强并分别输入特征融合网络中，输出弱增强预测值和强增强预测值；随后基于弱增强预测值生成对应的正伪标签和负伪标签并计算无监督损失；再基于预设的置信阈值和相似阈值选取对应的无标签图像对来计算相似伪标签损失；最后通过有监督损失、无监督损失和相似伪标签损失联合训练目标识别模型。本发明能够提高SAR目标识别的准确率和有效性。

本发明授权基于半监督的SAR图像目标识别方法在权利要求书中公布了：1.基于半监督的SAR图像目标识别方法，其特征在于，包括：S1：获取待识别的SAR图像；S2：将待识别的SAR图像输入经过训练的目标识别模型中，输出对应的目标预测值；训练目标识别模型时：首先获取用于训练的有标签图像和无标签图像；其次将有标签图像输入特征融合网络，输出对应的有标签预测值，并基于有标签预测值计算有监督损失；然后对无标签图像进行弱增强和强增强，得到对应的弱增强图像和强增强图像；进而分别将弱增强图像和强增强图像输入特征融合网络，输出对应的弱增强预测值和强增强预测值；随后基于弱增强预测值生成对应的正伪标签和负伪标签，进而基于强增强预测值以及正伪标签和负伪标签计算无监督损失；再基于预设的置信阈值和相似阈值选取对应的无标签图像对来计算相似伪标签损失；最后通过有监督损失、无监督损失和相似伪标签损失联合训练目标识别模型；步骤S2中，特征融合网络包括基于卷积网络WRN28-2的骨干网络以及基于方向梯度直方图算法的灰度特征提取网络；特征融合网络通过如下步骤生成预测值：S201：将图像输入骨干网络中，提取对应的高层语义特征；S202：将图像输入灰度特征提取网络中，提取对应的目标灰度特征；S203：将高层语义特征和目标灰度特征进行信息融合，生成对应最终图像特征；S204：将最终图像特征输入全连接层中进行预测分类，并经过Softmax激活函数，生成对应的预测分类；S3：将目标识别模型输出的目标预测值作为待识别SAR图像的目标识别结果。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。