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！

龙图腾网获悉西北工业大学申请的专利用于高动态无人平台的跨模态海面目标识别方法及系统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：CN121544965B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610067799.9，技术领域涉及：G06V10/764；该发明授权用于高动态无人平台的跨模态海面目标识别方法及系统是由汪洪桥;闫宣臣;孙海岩;张兆祥;许悦雷;臧召宾;李万发;郭金库;别晓峰;王璇;郑爽;王铉彬;陈汉设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本用于高动态无人平台的跨模态海面目标识别方法及系统在说明书摘要公布了：本申请涉及图像识别技术领域，具体提供一种用于高动态无人平台的跨模态海面目标识别方法及系统，包括：构建基于DenseNet孪生网络的跨模态迁移识别网络，包括特征提取模块、跨模态特征对齐模块和分类决策模块；在特征提取模块进行自适应的共享通用特征提取和针对不同分支的模态特征提取，得到来自可见光分支的可见光特征向量集和来自SAR分支的SAR特征向量集；最小化可见光特征向量集和SAR特征向量集之间的最大均值差异，得到对齐后的特征并对其进行目标分类，确定目标识别类别。本申请通过构建基于DenseNet孪生网络的跨模态迁移识别网络，有效解决了海面目标识别中的样本稀少、跨模态迁移困难、计算资源受限的关键问题。

本发明授权用于高动态无人平台的跨模态海面目标识别方法及系统在权利要求书中公布了：1.一种用于高动态无人平台的跨模态海面目标识别方法，其特征在于，包括： 构建基于DenseNet孪生网络的跨模态迁移识别网络，所述跨模态迁移识别网络包括特征提取模块、跨模态特征对齐模块和分类决策模块； 其中，首先将源域数据集中预处理后的可见光图像和目标域数据集中预处理后的SAR图像分别通过可见光图像输入端和SAR图像输入端输入至预训练后的所述特征提取模块，在所述特征提取模块进行自适应的共享通用特征提取和针对不同分支的模态特征提取，得到来自可见光分支的可见光特征向量集和来自SAR分支的SAR特征向量集；其次，通过所述跨模态特征对齐模块最小化所述可见光特征向量集和所述SAR特征向量集之间的最大均值差异，得到对齐后的特征；最后，通过所述分类决策模块对所述对齐后的特征进行目标分类，以确定目标识别类别；其中，所述特征提取模块包括共享通用特征提取层和分支特征提取层，所述共享通用特征提取层包括4个DenseNet块结构，每一所述DenseNet块结构内部采用瓶颈结构，采用所述共享通用特征提取层生成针对两种模态的图像的通用特征；所述可见光分支和所述SAR分支共享所述共享通用特征提取层的各DenseNet块结构和网络参数；基于所述共享通用特征提取层，在所述可见光分支采用DenseNet-121结构进行可见光模态特征提取，在所述SAR分支采用DenseNet-69结构进行SAR模态特征提取； 构建可见光-SAR图像对，并基于所述可见光-SAR图像对对所述跨模态迁移识别网络进行跨模态特征对齐训练，得到训练后的跨模态迁移识别网络； 其中，使用自然图像数据集对所述特征提取模块的DenseNet骨干网络进行预训练，预训练损失函数为标准的交叉熵损失，具体为： ； 式中，为预训练损失，为样本数量，为类别数量，为标签，为预测概率； 进而，基于可见光-SAR图像对对所述跨模态迁移识别网络进行跨模态特征对齐训练，以学习将不同模态的特征映射到统一的语义空间，计算损失函数； 所述损失函数由三部分加权构成，如下式： ； 式中，为分类损失，用于约束对齐特征的类别可分性，为特征对齐损失，用于约束可见光特征与SAR特征在统一语义空间中的分布一致性，为特征损失函数对应的权重系数；为对比学习损失，用于拉近同一图像对的跨模态特征距离并推远不同图像对的跨模态特征距离，为对比学习损失对应的权重系数； ； 式中，为余弦相似函数，为温度参数，为自然指数函数，表示第个可见光图像经所述特征提取模块得到的特征向量，表示与第个可见光图像配对的SAR图像得到的特征向量； 在基于所述可见光-SAR图像对对所述跨模态迁移识别网络进行跨模态特征对齐训练后，使用所述目标域数据集中的标注数据对经过跨模态特征对齐训练后的跨模态迁移识别网络进行端到端微调，期间采用多种正则化技术以防止过拟合；微调阶段的总损失函数为： ； 式中，为微调阶段的总损失函数，为分类损失，为正则化损失，为正则化损失的权重系数； 利用所述训练后的跨模态迁移识别网络对所述高动态无人平台实时获取的机载SAR图像进行迁移识别。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。

以上内容由龙图腾AI智能生成。