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：华中科技大学

摘要：本发明属于目标识别技术领域，具体涉及一种面向小目标超分辨重建图像的目标识别模型构建方法，包括：采用真实高分辨率图像训练包括特征提取网络和识别分类网络的识别网络模型；将已训练特征提取网络的参数迁移至与该特征提取网络结构相同的生成器和特征提取参考网络，将已训练识别分类网络的参数迁移至与该识别分类网络结构相同的分类器，生成器与分类器构成目标识别模型，特征提取参考网络和判别器构成辅助训练网络，以GAN网络对抗方式辅助训练已参数迁移后的目标识别模型；迭代训练过程中，固定特征提取参考网络的参数，根据损失函数交替更新生成器和分类器的参数以及判别器的参数。本发明能够提高目标识别器在超分辨率重建后目标图像的识别性能。

主权项：1.一种面向小目标超分辨重建图像的目标识别模型构建方法，其特征在于，包括：采用小目标真实高分辨率图像，训练包括特征提取网络和识别分类网络的识别网络模型；并将已训练的特征提取网络的参数迁移至与该特征提取网络结构相同的生成器和特征提取参考网络，将已训练的识别分类网络的参数迁移至与该识别分类网络结构相同的分类器，所述生成器与所述分类器构成目标识别模型，所述特征提取参考网络和判别器构成辅助训练网络；采用所述辅助训练网络辅助训练已参数迁移后的所述目标识别模型，其中，所述生成器的输入为超分辨率重建图像和真实高分辨率图像，所述特征提取参考网络的输入为真实高分辨率图像，所述判别器的输入为所述生成器和所述特征提取参考网络的输出，输出为相应输入属于真实高分辨率图像的概率，所述分类器的输入为所述生成器的输出；在迭代训练过程中，固定所述特征提取参考网络的参数，根据损失函数交替更新所述生成器和所述分类器的参数以及所述判别器的参数，完成目标识别模型的构建；所述损失函数包括：用于更新所述生成器和所述分类器参数的损失函数Lcomb＝10Lcls+Ladv+200LFM，以及用于更新所述判别器的参数的判别器损失函数；其中，Lcls表示分类损失，Ladv表示对抗损失，LFM表示特征匹配损失；所述特征匹配损失LFM为所述生成器输出的特征图和所述特征提取参考网络输出的特征图之间的smoothL1损失，表示为： 式中，x，y分别表示真实高分辨率图像和超分辨率重建图像；Pdatax,y表示x，y数据的概率分布；表示x，y数据分布情况下，方括号内函数表达式的期望；G、D和Ref分别表示生成器netG、判别器netD和特征提取参考网络netref；netGy表示当输入为y时生成器netG的输出；netrefx表示当输入为x时特征提取参考网络netref的输出。

全文数据：

权利要求：

百度查询： 华中科技大学 一种面向小目标超分辨重建图像的目标识别模型构建方法