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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于小样本增量学习的SAR图像目标识别方法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：CN114943889B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210296918.X，技术领域涉及：G06V20/10；该发明授权一种基于小样本增量学习的SAR图像目标识别方法是由周峰;王力;杨鑫瑶;谭浩月;白雪茹设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本一种基于小样本增量学习的SAR图像目标识别方法在说明书摘要公布了：本发明涉及一种基于小样本增量学习的SAR图像目标识别方法，包括：步骤1：构建基于原型思想的深度残差网络；步骤2：利用基类数据集和增量数据集对基于原型思想的深度残差网络分别进行基类训练和增量学习；步骤3：将待测SAR图像输入至训练学习完成的基于原型思想的深度残差网络中，得到待测SAR图像的预测分类结果。本发明的基于小样本增量学习的SAR图像目标识别方法，设计了一种基于原型思想的深度残差网络，该网络即使在图像样本较少的情况下，也能具有自动提取SAR图像特征的能力，与现在技术相比，将SAR图像映射到特征空间内的方法能够一定程度上减少因样本数量缺乏而引起的过拟合现象，提升整体网络对小样本图像的识别能力。

本发明授权一种基于小样本增量学习的SAR图像目标识别方法在权利要求书中公布了：1.一种基于小样本增量学习的SAR图像目标识别方法，其特征在于，包括：步骤1：构建基于原型思想的深度残差网络；步骤2：利用基类数据集和增量数据集对所述基于原型思想的深度残差网络分别进行基类训练和增量学习；步骤3：将待测SAR图像输入至训练学习完成的基于原型思想的深度残差网络中，得到所述待测SAR图像的预测分类结果；所述基于原型思想的深度残差网络包括依次连接的卷积模块、深度残差网络、自适应平均池化层、全连接层和分类器，其中，所述卷积模块包括依次连接的第一卷积层和第一ReLU激活层；所述深度残差网络包括依次连接的若干残差块，用于提取输入图像的图像特征；所述全连接层用于存储类原型，所述全连接层中集成有图注意网络，所述图注意网络用于在增量学习阶段调整存储在所述全连接层上的类原型位置；所述分类器为余弦分类器，用于输出预测分类结果；所述残差块包括依次连接的第二卷积层、第一批规范化层、第二ReLU激活层、第三卷积层、第二批规范化层和第三ReLU激活层；所述残差块的输入与该残差块的输入依次通过所述第二卷积层、所述第一批规范化层、所述第二ReLU激活层、所述第三卷积层以及所述第二批规范化层后的输出相加的结果经过所述第三ReLU激活层后输出；所述残差块还包括通道数转换单元，所述通道数转换单元连接在所述第二卷积层的输入端与所述第二批规范化层的输出端之间，所述通道数转换单元包括依次连接的一个卷积层和一个批规范化层；当所述残差块的输入通道数与其输出的通道数不相等时，所述残差块的输入通过所述通道数转换单元转换为与其输出相同的通道数后与所述第二批规范化层的输出相加的结果经过所述第三ReLU激活层后输出。

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西安电子科技大学，其通讯地址为：710000 陕西省西安市雁塔区太白南路2号；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”。