公开(公告)号：CN116030300A

公开(公告)日：2023-04-28

申请号：CN202211711796.2

申请日：2022-12-29

Applicant: 西安电子科技大学

Inventor： 王英华 ,  孙媛爽 ,  钱永刚 ,  刘宏伟 ,  张晨 ,  王思源

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/30 ,  G06V10/82 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种用于零样本SAR目标识别的渐进式域自适应识别方法，包括：将仿真数据样本和实测数据样本导入到特征对齐网络中，提取第一特征信息和第二特征信息；根据第一特征信息和第二特征信息计算得到分布差异；基于第一损失函数得到训练后的特征对齐网络；利用训练后的特征对齐网络预测无标签的实测数据集，并给无标签的实测数据集赋予伪标签，得到伪标签的第一实测数据集；对第一实测数据集进行伪标签去噪处理，得到伪标签去噪的实测数据集；将伪标签去噪后的实测数据集导入上述训练后的特征对齐网络，以调整网络参数；将待分类的数据输入至调整后的特征对齐网络，得到最终的分类识别结果。本发明有效地去除了包含噪声的伪标签数据，从而使得识别的结果更加稳定。

公开(公告)号：CN118781320A

公开(公告)日：2024-10-15

申请号：CN202410762954.X

申请日：2024-06-13

Applicant: 西安电子科技大学

Inventor： 王英华 ,  王泽龙 ,  钱永刚 ,  余飞鹏 ,  沈梦启 ,  陈渤 ,  刘宏伟

IPC: G06V10/25 ,  G06V20/10 ,  G06V20/54 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明公开了一种基于多尺度感知和Transformer辅助注意力生成的SAR目标检测方法，包括：获取SAR图像的待检切片；输入SAR目标检测模型得到初步检测结果；其中，SAR目标检测模型是对基于多尺度特征感知和Transformer辅助注意力生成的轻量化SAR图像目标检测网络，利用样本SAR图像的训练集训练得到的；将初步检测结果进行NMS操作以去除重叠检测框，得到目标检测结果；其中，目标检测结果含有目标的类别。本发明所提供的SAR目标检测模型将Transformer和CNN相结合，增强了特征的多样性，并充分利用多尺度特征，在尽可能保证检测网络轻量化的条件下，提升了复杂场景下SAR图像飞机目标检测识别一体化任务的性能。

公开(公告)号：CN118781483A

公开(公告)日：2024-10-15

申请号：CN202410762952.0

申请日：2024-06-13

Applicant: 西安电子科技大学

Inventor： 王英华 ,  钱永刚 ,  王泽龙 ,  余飞鹏 ,  陈渤 ,  刘宏伟

IPC: G06V20/10 ,  G06V20/54 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明提供的基于多尺度感知及参考注意力的SAR目标识别方法，包括：获取待识别SAR图像；将待识别SAR图像输入SAR目标识别模型，利用识别模型对待识别SAR图像进行特征提取和计算，并根据特征提取和计算的结果输出对应的类别标签；其中，所述SAR目标识别模型是对基于多尺度感知及参考注意力的轻量化SAR目标识别网络，利用样本SAR图像的训练集训练得到的；发明所提供的SAR目标识别模型结合CNN和Transformer提取特征的优势，有效提升了网络对SAR目标的识别性能，并通过轻量化模块降低了网络的参数量及运算量，使其可以应用于移动端设备。