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全卷積輕量化神經網絡的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：CN115331106B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202211003301.0，技術領域涉及：G06V20/10；該發明授權一種基于全卷積輕量化神經網絡的SAR圖像目標識別方法是由陳渤;張思源;張婷;劉宏偉;王英華;王鵬輝;糾博設計研發完成，并于2022-08-19向國家知識產權局提交的專利申請。

本一種基于全卷積輕量化神經網絡的SAR圖像目標識別方法在說明書摘要公布了：本發明涉及雷達圖像處理領域，具體涉及一種基于全卷積輕量化神經網絡的SAR圖像目標識別方法。本發明構建基于注意力機制的全卷積輕量化神經網絡模型，并對網絡模型進行基于細粒度的模型飽和量化壓縮處理，使得網絡模型在能夠嵌入到FPGA等邊緣設備，滿足實時性、低存儲的需求的同時，對SAR圖像保持較高的識別精度。

本發明授權一種基于全卷積輕量化神經網絡的SAR圖像目標識別方法在權利要求書中公布了：1.一種基于全卷積輕量化神經網絡的SAR圖像目標識別方法，其特征在于，包括以下步驟： 步驟1，獲得SAR圖像集，將每個SAR圖像和對應的類別作為一組數據，得到包含多組數據的樣本集；將樣本集隨機劃分為訓練集和測試集，并對所有樣本均做歸一化處理； 步驟2，構建基于注意力機制的全卷積輕量化神經網絡模型ψ； 步驟3，對基于注意力機制的全卷積輕量化神經網絡模型ψ進行訓練，得到訓練好的基于注意力機制的全卷積輕量化神經網絡模型ψ’； 步驟4，對訓練好的基于注意力機制的全卷積輕量化神經網絡模型ψ’進行基于細粒度的模型飽和量化壓縮處理； 步驟4的子步驟如下： 子步驟4.1，從測試集中隨機選出一部分數據作為校準集；將校準集的每一張SAR圖像都跑一次前向推理，統計每一層的每一個通道數據的分布直方圖，其中每一個分布直方圖的Bin為2048； 子步驟4.2，將原始分布直方圖從第128個Bin開始，一直到最后一個Bin均進行截斷處理，計算原始分布直方圖與截斷后的分布直方圖的KL散度，KL散度的計算公式如下： 式中，p為原始分布，q為截斷后的分布，信息熵交叉熵 令KL散度最小的Bin作為最佳閾值T；每一層的每一個通道數據都需要找到一個最佳閾值T； 子步驟4.3，利用最佳閾值T計算激活值的量化因子scale_X,并提前存儲為量化因子表； 子步驟4.4，利用權重數據中每一層的每一通道中的絕對值最大值對該通道權重數據提前做量化，即非飽和量化，并對量化好的定點型權重數據做好存儲；量化公式為： 式中，W為浮點型權重，QW為int8位寬的定點型權重； 子步驟4.5，利用量化因子scale_X，在前向推理過程中，實時對激活值數據進行飽和量化，量化公式為： X＝scale_X×QX 式中，X為浮點型激活值，QX為定點型激活值； 子步驟4.6，前向推理過程中，讀取提前存儲好的定點型權重及其量化因子，并實時對激活值完成飽和量化，每一層量化結束后，將定點權重與定點激活值相乘后再用量化因子反量化成浮點型數據后進入下一層； 子步驟4.7，在前向推理過程中將BN層與該BN層前面的卷積層合并計算；步驟5，使用處理后的基于注意力機制的全卷積輕量化神經網絡模型對SAR圖像目標進行識別，得到該SAR圖像目標的目標類型。

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”。