買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安電子科技大學申請的專利一種基于聯合分布適配的零樣本SAR圖像目標識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116310620B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211099228.1，技術領域涉及：G06V10/774；該發明授權一種基于聯合分布適配的零樣本SAR圖像目標識別方法是由陳渤;王瑋;鄭美曦;張婷;沈夢啟;陳文超;王英華;王鵬輝;劉宏偉設計研發完成，并于2022-09-08向國家知識產權局提交的專利申請。

本一種基于聯合分布適配的零樣本SAR圖像目標識別方法在說明書摘要公布了：本發明涉及圖像目標識別技術領域，具體涉及一種基于聯合分布適配的零樣本SAR圖像目標識別方法。本發明方法的訓練階段無需感興趣任務實測數據參與，借用仿真SAR圖像，利用多核最大均值差異最小化仿真域和實測域的雙域映射間距離，鼓勵仿真SAR圖像和實測SAR圖像兩組表征間的相似性，學習域不變的特征，有效減輕領域差異；通過捕捉類別信息自動實現細粒度的子領域自適應，自動高效地提高了模型的穩健性和識別率。

本發明授權一種基于聯合分布適配的零樣本SAR圖像目標識別方法在權利要求書中公布了：1.一種基于聯合分布適配的零樣本SAR圖像目標識別方法，其特征在于，包括以下步驟： 步驟1，建立訓練集，訓練集包括帶有標簽且與任務無關的仿真SAR圖像樣本集、帶有標簽且與任務無關的實測SAR圖像樣本集及帶有標簽且與任務相關的仿真SAR圖像樣本集；建立測試集，包括無標簽且與任務相關的實測SAR圖像樣本集；并對訓練集和測試集的所有樣本進行預處理； 步驟2，構建零樣本聯合自適應網絡，具體的，所述零樣本聯合自適應網絡包含第一特征提取器、第二特征提取器、第三特征提取器以及第一分類器、第二分類器；第一特征提取器與第一分類器依次連接，第二特征提取器和第三特征提取器分別與第二分類器連接； 第一特征提取器的輸入為與任務相關的仿真SAR圖像，第二特征提取器的輸入為與任務無關的仿真SAR圖像，第三特征提取器的輸入為與任務無關的實測SAR圖像；第一分類器和第二分類器的輸出均為SAR圖像目標的類別； 第一特征提取器、第二特征提取器和第三特征提取器均包含依次連接的ResNet50特征提取模塊和瓶頸層；第一特征提取器、第二特征提取器和第三特征提取器共享權重；第一分類器和第二分類器均為全連接層FC； 其中，ResNet50特征提取模塊包含依次連接的輸入層INPUT、第一階段模塊stage1、第二階段模塊stage2、第三階段模塊stage3、第四階段模塊stage4、第五階段模塊stage5、平均池化層Avgpool、展平層Flatten； 第一階段模塊stage1包含依次連接的卷積層Conv、批歸一化層BN、Relu激活層、最大池化層Maxpool；第二階段模塊stage2包含依次連接的卷積塊ConvBlock和兩個特性塊IDBlock；第三階段模塊stage3包含依次連接的卷積塊ConvBlock和三個特性塊IDBlock；第四階段模塊stage4包含依次連接的卷積塊ConvBlock和五個特性塊IDBlock；第五階段模塊stage5包含依次連接的卷積塊ConvBlock和兩個特性塊IDBlock； 瓶頸層包含依次連接的256維的全連接層FC、批歸一化層BN、Relu激活層和隨機失活層Dropout； 步驟3，構建基于聯合分布適配的網絡損失函數； 步驟4，訓練零樣本聯合自適應網絡，得到訓練好的零樣本聯合自適應網絡； 步驟5，將訓練好的零樣本聯合自適應網絡中的第三特征提取器第一分類器進行拼接，作為SAR圖像目標識別模型；將測試集的與任務相關的實測SAR圖像輸入SAR圖像目標識別模型，得到SAR圖像的目標類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。