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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于SAR图像的图像分类模型训练方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114612729B 。

龙图腾网通过国家知识产权局官网在2025-01-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210340575.2，技术领域涉及：G06V10/764；该发明授权一种基于SAR图像的图像分类模型训练方法及装置是由薛梦凡;杨岗;郑建楠;彭冬亮;贾士绅;陈怡达;宋怡然设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本一种基于SAR图像的图像分类模型训练方法及装置在说明书摘要公布了：本发明提供一种基于SAR图像的图像分类模型训练方法及装置，针对同一目标以相同角度获取多源图像，包括SAR、红外、可见光图像及对应的图像分类数据，通过训练基于红外和可见光图像的辅助神经网络获得的“红外‑可见光特征”，来辅助训练基于SAR图像的图像分类模型，其中，红外、可见光图像仅在训练过程中作为辅助模态，而实际应用中网络的输入为SAR单模态图像。本发明使用多任务学习的方法，提高了基于SAR图像的图像分类的精度，提供了一种解决单模态SAR图像在实际应用中局限性的方法。

本发明授权一种基于SAR图像的图像分类模型训练方法及装置在权利要求书中公布了：1.一种基于SAR图像的图像分类模型训练方法，其特征在于，该方法包括如下步骤：步骤S1:针对同一目标获取多源图像数据，包括SAR、红外、可见光图像数据及图像分类数据；步骤S2:利用获取的红外、可见光图像构建并训练辅助神经网络，所述辅助神经网络以经过预处理的红外、可见光图像为输入，预测的图像分类结果和红外-可见光特征为输出，其具体步骤如下：步骤S21：构建辅助神经网络，采用ResNet-50网络结构的主卷积层分别提取红外、可见光单模态特征，使用卷积层融合上述红外、可见光单模态特征获得红外-可见光特征，预测层采用ResNet-50网络结构的预测层，以上述红外-可见光特征为输入预测图像分类结果；步骤S22：利用获取的红外、可见光图像及图像分类数据训练辅助神经网络；步骤S23：提取并保存步骤S22中训练好的辅助神经网络的红外-可见光特征；步骤S3:利用获取的SAR图像、步骤S23中保存的红外-可见光特征，构建并训练目标网络，所述目标网络仅需SAR单模态图像为输入，输出为图像分类结果和对红外-可见光特征的拟合；其具体步骤如下：步骤S31：采用DenseNet-121网络结构构建目标网络；步骤S32：利用获取到的SAR图像、图像分类数据和步骤S23保存的红外-可见光特征训练目标网络，网络两个目标输出为图像分类结果和红外-可见光特征，两个目标输出与对应真值的误差构成网络的实际误差，损失表示为：Loss＝loss1+loss2*φ其中loss1为网络预测的分类结果与真实分类结果间的损失，loss2为网络拟合的红外-可见光特征与红外-可见光特征之间的损失，loss1、loss2分别使用交叉熵损失函数和均方差损失函数；φ为平衡loss1和loss2的超参数；两个损失共同决定了目标网络的权重更新，由此得到了基于SAR图像的图像分类模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。