申请/专利权人：中国人民解放军战略支援部队航天工程大学

申请日：2024-01-16

公开（公告）日：2024-03-22

公开（公告）号：CN117746190A

主分类号：G06V10/774

分类号：G06V10/774;G06N3/042;G06N3/0464;G06N3/082;G06V10/44;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本申请公开了一种基于图卷积的空间目标少样本增量识别方法及系统，属于人工智能技术，包括：获取ISAR图像数据作为输入，提取所获取的ISAR图像数据中的空间目标散射特征；根据提取的空间目标散射特征建立拓扑关系，并根据所建立的拓扑关系划分少样本基础类数据集以及少样本增量类数据集；从所述少样本基础类数据集中、每次抽取两个不同类别的数据，并进行融合，以作为虚拟的增量类；将虚拟的增量类与所述少样本基础类数据集合并，以训练增量目标识别模型；将训练后的增量目标识别模型用于空间目标识别。本申请将识别能力从旧类推广到新类，在仅有少量训练数据时，充分探索了空间目标重要散射点之间的复杂关系。

主权项：1.一种基于图卷积的空间目标少样本增量识别方法，其特征在于，包括如下步骤：获取ISAR图像数据作为输入，提取所获取的ISAR图像数据中的空间目标散射特征；根据提取的空间目标散射特征建立拓扑关系，并根据所建立的拓扑关系划分少样本基础类数据集以及少样本增量类数据集；从所述少样本基础类数据集中、每次抽取两个不同类别的数据，并进行融合，以作为虚拟的增量类；将虚拟的增量类与所述少样本基础类数据集合并，以训练增量目标识别模型，其中所述增量目标识别模型包括串行连接的三个图卷积层（Gconv）与图贡献率池化模块（GCpooling），以用于散射拓扑图数据中的节点特征的传播以及特征提取，其中每个图卷积块之间使用节点加权模块（Graphweightedlayer，Gwt）增强主要节点的权重；将训练后的增量目标识别模型用于空间目标识别。

全文数据：

权利要求：

百度查询： 中国人民解放军战略支援部队航天工程大学 一种基于图卷积的空间目标少样本增量识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD