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！

申请/专利权人：哈尔滨工业大学;北京机电工程总体设计部

摘要：本发明提供一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法。步骤1：利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理，得到处理后的具有相似分布的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行标注明确相关目标像素位置；步骤3：将步骤2中已标注的数据随机分配至训练集和验证集；步骤4：利用步骤3的训练集和验证集对深度学习目标识别算法进行训练，得到权重模型；步骤5：将步骤4获得的权重模型输入已有深度学习算法模型，对地下空洞目标探地雷达回波图像进行目标识别检测。本发明解决现有方法难以检测识别地下空洞目标的问题。

主权项：1.一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法，其特征在于，所述自动识别方法包括以下步骤：步骤1：利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理，得到处理后的具有相似分布的探地雷达回波图像；步骤2：对步骤1生成的探地雷达回波图像进行标注明确相关目标像素位置；步骤3：将步骤2中已标注的数据随机分配至训练集和验证集；步骤4：利用步骤3的训练集和验证集对深度学习目标识别算法进行训练，得到权重模型；步骤5：将步骤4获得的权重模型输入已有深度学习算法模型，对地下空洞目标探地雷达回波图像进行目标识别检测；所述步骤1利用SinGAN算法对已获取的地下空洞目标的探地雷达回波图像进行图像增广处理具体为，所述SinGAN算法包含n个不同尺度的GAN，分别为Gn～G0，尺度依次增加，第Gn个生成器的输入是一张噪声图像，训练其输出的结果接近下采样过后的原图xn，之后的每一个GAN，输入都是Gn+1输出的结果加上一张噪声图，除了Gn，剩下每一个GAN学习的是补充上一个GAN输出结果的细节信息；由上述可知，SinGAN算法由金字塔结构{G0,...,GN}组成，针对x:{x0,...,xN}的图像金字塔进行训练，其中xn是x的降采样版本，其乘数为rn，对于某个r＞1，每个生成器Gn负责产生真实的图像样本w.r.t，相应图像xn中的色块分布；由上述可知，所有的生成器和鉴别器都具有相同的接收域，因此在生成过程中捕获的结构尺寸都在减小；Gn映射空间高斯白噪声zN到图像样本即除了空间噪声zn外，每个生成器Gn还接受较粗尺度图像的上采样版本，即Gn执行操作其中ψn是一个有着5个Conv3x3-BatchNorm-LeakyReLu的卷积块；对第n个GAN的训练损失包括一个对抗性公式，即

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 北京机电工程总体设计部 一种基于SinGAN算法的探地雷达地下空洞目标自动识别方法