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！

龙图腾网恭喜南昌航空大学申请的专利一种基于深度学习的非气象目标的智能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：CN119557628B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510113304.7，技术领域涉及：G06F18/213；该发明授权一种基于深度学习的非气象目标的智能识别方法是由陈英;陈旺;周宗来;张裕良;彭坤;雷飞洋;谢宇迪;乐欣元;龙泽烨;邓君康;郭书斌设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于深度学习的非气象目标的智能识别方法在说明书摘要公布了：本发明设计了一种基于深度学习的非气象目标的智能识别方法，对毫米波云雷达数据中的存在的非气象目标进行识别；具体地，通过设计毫米波云雷达数据标注算法和数据迭代算法，以快速得到对应标签；设计用于扩充毫米波云雷达数据的数据扩充方法，以得到更多样化的训练数据，同时设计特征提取和特征还原以提高非气象目标的识别性能；并利用编码器‑解码器思想设计优异的识别模型。通过以上一整套流程，提高了毫米波云雷达非气象目标智能识别的准确性。更进一步地，本发明通过构建提示增强模块，对特定的标签进行提示增强，提高了模型对特定标签的敏感程度，也降低了智能识别模型的计算量，提高了泛化能力。

本发明授权一种基于深度学习的非气象目标的智能识别方法在权利要求书中公布了：1.一种基于深度学习的非气象目标的智能识别方法，其特征在于，所述方法包括：步骤S1：对毫米波云雷达数据中的易分类样本进行标注，毫米波云雷达数据包括垂直向上扫描模式数据和平面位置扫描模式数据，从而构建垂直向上扫描模式数据中易分类样本的带标签数据集T1和平面位置扫描模式数据中易分类样本的带标签数据集P1；在标注过程中，选择若干特定标签作为增强提示；步骤S2：以步骤S1中的易分类样本的数据集作为正样本进行伪标签学习，从而对毫米波云雷达数据中的难分类样本进行标注，以此构建难分类样本的数据集，将难分类样本的数据集和步骤S1中易分类样本的数据集进行合并，获取垂直向上扫描模式数据的数据集T3和平面位置扫描模式数据的数据集P3；步骤S3：对步骤S2中的数据集T3和数据集P3进行数据扩充，获取垂直向上扫描模式数据总训练数据集T和平面位置扫描模式数据总训练数据集P；步骤S4：构建基于U-Net结构的智能识别模型，智能识别模型由编码器、提示增强模块、特征融合层、解码器和分类头组成；导入垂直向上扫描模式数据总训练数据集T或平面位置扫描模式数据总训练数据集P的毫米波云雷达数据至编码器中，获取编码特征；其中，提示增强模块与编码器并行设计，将步骤S1中的增强提示输入提示增强模块获取与解码器分辨率一致的增强提示特征；步骤S5：导入编码特征和增强提示特征至解码器中，获取初始解码特征；步骤S6：导入步骤S4的编码特征和步骤S5的初始解码特征至特征融合层中进行特征融合，获取融合特征，并将融合特征上采样至解码器中，经解码器再次特征还原后，获取最终解码特征；步骤S7：分类头对步骤S6的最终解码特征进行处理，获取毫米波云雷达数据的预测类别。

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昌航空大学，其通讯地址为：330063 江西省南昌市红谷滩区丰和南大道696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”。