龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：长沙理工大学
申请日：2021-09-10
公开（公告）日：2024-06-18
公开（公告）号：CN113902978B
主分类号：G06V20/13
分类号：G06V20/13;G06V10/77;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
优先权：
专利状态码：有效-授权
法律状态：2024.06.18#授权;2022.01.25#实质审查的生效;2022.01.07#公开
摘要：本发明公开了一种基于深度学习的可解释性SAR图像目标检测方法及系统，本发明包括为深度学习神经网络选取骨干网络：采用SAR图像数据集对不同的骨干网络进行训练并保存最优权重模型；利用混合全局归因映射HGAM对各个保存最优权重模型后的骨干网络进行事后可解释性分析，并选择最优的骨干网络作为深度学习神经网络的骨干网络；该深度学习神经网络包括最优骨干网络的选取、融合模块PANet以及检测头的可视化。本发明采用了混合全局归因映射HGAM这一可解释的人工智能对各个保存最优权重模型后的骨干网络进行分析，可实现对骨干网络的性能评估，从而获得最优的骨干网络，以提升对深度学习神经网络内部功能的洞察力，提升深度学习神经网络的检测准确度。
主权项：1.一种基于深度学习的可解释性SAR图像目标检测方法，其特征在于，包括为用于对输入的SAR图像获得对应的目标检测结果的深度学习神经网络选取骨干网络的步骤：1）采用SAR图像数据集对不同的骨干网络进行训练并保存最优权重模型；2）利用混合全局归因映射HGAM对各个保存最优权重模型后的骨干网络进行分析，并选择最优的骨干网络作为深度学习神经网络的骨干网络；所述骨干网络用于将输入的SAR图提取目标特征得到具有不同的分辨率和感受野的多个特征图，所述骨干网络为多个阶段的特征提取模块和下采样模块堆叠组成，且由最后三个阶段的特征提取模块输出的特征图作为骨干网络的输出；步骤2）包括：2.1）针对SAR图像数据集中的SAR图像，基于各个保存最优权重模型后的骨干网络输出的特征图构成的四维张量X采用积分梯度方法生成局部观测归因，所述局部观测归因包括正归因PA和正归因比例PAP；2.2）采用全局归因映射GAM的方法基于局部积分梯度IG的观测归因对各个骨干网络的检测性能进行全局分析，并选择最优的骨干网络作为深度学习神经网络的骨干网络。
全文数据：
权利要求：
百度查询： 长沙理工大学 基于深度学习的可解释性SAR图像目标检测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号