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半监督生成对抗网络的SAR样本扩充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：CN113792756B 。

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：202110943782.2，技术领域涉及：G06V10/774；该发明授权一种基于半监督生成对抗网络的SAR样本扩充方法是由梁毅;刘恒;怀圆圆;孙昆设计研发完成，并于2021-08-17向国家知识产权局提交的专利申请。

本一种基于半监督生成对抗网络的SAR样本扩充方法在说明书摘要公布了：本发明公开了一种基于半监督生成对抗网络的SAR样本扩充方法，包括以下步骤：步骤1，根据原有样本集来建立嵌入样本集和微调样本集；步骤2，选取生成器G；设计预训练生成器损失函数，使用多个不同的微调样本预训练生成器G；选取判别器D，设计预训练判别器损失函数，使用多个不同的原有样本预训练判别器D；步骤3，将预训练后的生成器G和预训练后判别器D依次连接建立生成对抗网络，设计半监督损失函数，得到半监督生成对抗网络；步骤4，使用Adam优化器训练半监督生成对抗网络，以生成器G损失函数值为依据，获得训练迭代中损失最低的最优生成器；步骤5，将任一嵌入样本输入最优生成器，从而输出新样本，将新样本作为原有样本集的扩充样本。

本发明授权一种基于半监督生成对抗网络的SAR样本扩充方法在权利要求书中公布了：1.一种基于半监督生成对抗网络的SAR样本扩充方法，其特征在于，包括以下步骤：步骤1，根据原有样本集来建立嵌入样本集和微调样本集；步骤2，选取生成器G；设计预训练生成器损失函数，使用多个不同的微调样本预训练生成器G；选取判别器D，设计预训练判别器损失函数，使用多个不同的原有样本预训练判别器D；步骤3，将预训练后的生成器G和预训练后判别器D依次连接建立生成对抗网络，设计半监督损失函数，得到半监督生成对抗网络；步骤4，使用Adam优化器训练所述半监督生成对抗网络，以生成器G损失函数值为依据，获得训练迭代中损失最低的最优生成器；步骤5，将任一嵌入样本输入所述最优生成器，所述最优生成器输出新样本，将新样本作为原有样本集的扩充样本；在步骤3中，半监督损失函数包括生成器G的损失函数和判别器D的损失函数；所述生成器G的损失函数分为三部分：生成器G与判别器D的对抗损失函数loss_adv；输出的扩展样本Gx1,y和输入的原有样本y比对的区域损失函数loss_region；输出的扩展样本Gx1,y和原有样本y比对的像素损失函数loss_pixel；所述生成器G的损失函数为对抗损失函数loss_adv、区域损失函数loss_region和像素损失函数loss_pixel的加权求和，如式1所示； 式1中，α、β、γ分别为对抗损失函数loss_adv、区域损失函数loss_region和像素损失函数loss_pixel的加权系数，取α＝1，β＝1，γ＝50；所述判别器D的损失函数使用交叉熵损失函数，如式2所示； 交叉熵损失函数如式3所示；L＝-E[yi·logpi+1-yi·log1-pi]3式3中，E*表示分布函数的期望值,yi表示输入样本i的label，输入真样本时为label为1，输入假样本时label为0，pi表示样本i预测为真的概率；对于判别器D来讲，扩展样本Gx1,y对应label为0，原有样本y对应label为1，故所述判别器D的损失函数如式2所示。

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：710071 陕西省西安市太白南路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”。