申请/专利权人：中国人民解放军空军预警学院

申请日：2023-10-24

公开（公告）日：2024-07-02

公开（公告）号：CN117274717B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V10/42;G06V10/44;G06V10/80;G06N3/0464;G06N3/048;G06N3/0455;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.07.02#授权;2024.01.09#实质审查的生效;2023.12.22#公开

摘要：本发明提供基于全局与局部视觉特征映射网络的弹道目标识别方法，包括：用于从原始的HRRP序列中提取初始特征，并送入两个子网络；利用余弦相似度计算了全局视觉特征在语义空间的投影与各类别的语义向量之间的兼容性分数，在损失函数的监督下完成对图像中的全局视觉映射的学习；利用软空间注意力和视觉到语义映射编码器Encoder获得语义引导的局部视觉映射；对网络进行训练，以得到网络的最优参数，并对测试样本进行预测；该方法分别从弹道目标的HRRP序列中学习了全局视觉映射和局部视觉映射，从而同时对测试集中的可见类和不可见类目标做出识别。

主权项：1.基于全局与局部视觉特征映射网络的弹道目标识别方法，其特征在于，包括：S1、用于从原始的HRRP序列中提取初始特征，并送入两个子网络；S2、利用余弦相似度计算了全局视觉特征在语义空间的投影与各类别的语义向量之间的兼容性分数，在损失函数的监督下完成对图像中的全局视觉映射的学习；S3、利用软空间注意力和视觉到语义映射编码器Encoder获得语义引导的局部视觉映射；S4、对网络进行训练，以得到网络的最优参数，并对测试样本进行预测；所述S1的具体实现步骤为：S101、设输入网络的第个HRRP序列样本记作，其中，表示HRRP序列的持续时间；表示单个HRRP的距离单元数；S102、经过CNN后得到的HRRP序列表征记作；其中，、和分别表示特征图的通道数、高和宽；表示卷积运算；S103、得到的特征图被分别送入全局视觉特征映射子网络和局部视觉特征映射子网络；所述S2的具体实现步骤为：S201、对分支的输入做平均池化，池化结果表达为： ；其中，表示平均池化运算；S202、将一个能学习的权重与相乘以将全局的视觉特征投影到语义空间： ；S203、计算视觉投影与每个语义向量之间的兼容性得分，即： ；其中，表示兼容性函数；S204、由于余弦相似度的输出是视觉投影与每个语义向量之间的兼容性得分的余弦值，即，余弦相似度预测的标签为的概率表达为： ；其中，表示尺度因子；S205、基于交叉熵的损失函数用来鼓励输入样本的视觉投影与对应的语义向量具有最高的兼容性得分，则： ；其中， 表示一个小批量样本集具有的样本数。

全文数据：

权利要求：

百度查询： 中国人民解放军空军预警学院 基于全局与局部视觉特征映射网络的弹道目标识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD