申请/专利权人：西北工业大学

申请日：2024-03-20

公开（公告）日：2024-06-14

公开（公告）号：CN117911852B

主分类号：G06V20/05

分类号：G06V20/05;G06V10/774;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了基于部分无监督领域自适应的水下目标距离预测方法，该方法包括：建立实测训练数据集和仿真训练数据集；利用仿真训练数据集对深度学习模型预训练得到数据预训练模型；结合数据预训练模型和域自适应网络构建域自适应模型，利用实测训练数据集和仿真训练数据集对域自适应模型进行距离预测以及域预测训练；构建距离预测训练的第一损失函数和域预测训练的第二损失函数，并加权得到第三损失函数；利用第三损失函数对域自适应模型进行更新，得到水下目标距离预测模型进行距离预测。本发明通过对损失函数加权，使实测数据与距离范围相同的仿真数据分布对齐，以此缓解数据距离范围差距过大产生的负迁移效应，从而提升了水下目标距离预测性能。

主权项：1.基于部分无监督领域自适应的水下目标距离预测方法，其特征在于，包括：获取水下目标的实测复声压数据集和仿真复声压数据集，并对所述仿真复声压数据集设置标签，然后基于所述实测复声压数据集和具有标签的仿真复声压数据集分别建立实测训练数据集和仿真训练数据集；利用所述仿真训练数据集对预先搭建的深度学习模型进行预训练，以构建得到数据预训练模型；结合所述数据预训练模型和域自适应网络构建域自适应模型，并利用所述实测训练数据集和仿真训练数据集对所述域自适应模型进行距离预测训练，以及利用所述实测训练数据集和仿真训练数据集对所述域自适应模型进行域预测训练；分别构建关于距离预测训练的第一损失函数和关于域预测训练的第二损失函数，并对所述第一损失函数和所述第二损失函数进行加权，得到第三损失函数；利用所述第三损失函数对所述域自适应模型进行参数更新，以构建得到水下目标距离预测模型；对指定的水下目标进行复声压数据采集，并通过所述水下目标距离预测模型对采集到的复声压数据进行距离预测；所述对所述仿真复声压数据集设置标签，包括：获取所述仿真复声压数据集中每一仿真复声压样本对应的真实距离，并按照下式对每一仿真复声压样本分配标签，得到具有标签的仿真复声压数据集： ；其中，表示距离段长度，y表示标签，r表示仿真复声压样本对应的真实距离，u表示距离段数，rmax表示所有仿真复声压样本对应的真实距离中的最大值，rmin表示所有仿真复声压样本对应的真实距离中的最小值；所述结合所述数据预训练模型和域自适应网络构建域自适应模型，并利用所述实测训练数据集和仿真训练数据集对所述域自适应模型进行距离预测训练，以及利用所述实测训练数据集和仿真训练数据集对所述域自适应模型进行域预测训练，包括：通过所述数据预训练模型中的生成器对实测训练数据集和仿真训练数据集分别生成对应的第一实测数据特征和第二仿真数据特征；利用域自适应网络对所述第一实测数据特征和第二仿真数据特征进行通用特征学习；通过所述数据预训练模型中的分类器对进行通用特征学习后的第一实测数据特征和第二仿真数据特征进行距离预测，得到距离预测结果，以此构建第一子域自适应模型；所述结合所述数据预训练模型和域自适应网络构建域自适应模型，并利用所述实测训练数据集和仿真训练数据集对所述域自适应模型进行距离预测训练，以及利用所述实测训练数据集和仿真训练数据集对所述域自适应模型进行域预测训练，还包括：通过所述数据预训练模型中的生成器对实测训练数据集和仿真训练数据集分别生成对应的第二实测数据特征和第三仿真数据特征；利用域自适应网络对所述第二实测数据特征和第三仿真数据特征进行通用特征学习；将进行通用特征学习后的所述第二实测数据特征和第三仿真数据特征输入至梯度反转层进行对抗学习；将进行对抗学习后的所述第二实测数据特征和第三仿真数据特征输入至域判别器进行域预测训练，并输出域预测结果，以此构建第二子域自适应模型；结合所述第一子域自适应模型和第二子域自适应模型，构建得到所述域自适应模型；所述分别构建关于距离预测训练的第一损失函数和关于域预测训练的第二损失函数，并对所述第一损失函数和所述第二损失函数进行加权，得到第三损失函数，包括：获取所述第一子域自适应模型的第一损失函数；按照下式计算所述第二子域自适应模型的第二损失函数： ；其中，LD表示所述第二损失函数，表示求取期望，Psc表示仿真训练样本的联合分布，Ptx表示实测训练样本的联合分布，w表示实测训练样本对应的权值，D表示所述生成器，G表示所述判别器，ci表示第i个所述仿真训练样本，xi表示第i个所述实测训练样本；按照下式，对所述第一损失函数和所述第二损失函数进行加权，得到所述第三损失函数： ；其中，L表示所述第三损失函数，LC表示所述第一损失函数，表示所述第一损失函数和第二损失函数的权衡因子。

全文数据：

权利要求：

百度查询： 西北工业大学 基于部分无监督领域自适应的水下目标距离预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD