申请/专利权人:南京理工大学
申请日:2023-12-31
公开(公告)日:2024-04-09
公开(公告)号:CN117853864A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/774;G06V10/764;G06V10/40;G06V20/10;G06N3/0464;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于二维多通道自适应加权卷积神经网络的雷达目标识别方法,输入二维数据通过三个通道,将提取的特征进行相加,之后进行全局平均池化和全局最大池化并行处理,得到的特征向量相加,对特征向量进行提取,提取的特征图与经过自适应最终提取的特征向量相乘,之后将得到的三个不同的向量相加通过一个坐标注意力模块;将得到的二维数据和原始数据做相加残差处理得到最终输出。本发明在通道注意力的基础上变为多通道,通过多个不同尺度的感受野提取特征信息同时引入一个自适应参数,使得通道之间可以获得更多的跨通道信息交互,同时结合了坐标注意力,使得输入特征图的特征被更有效的提取,进而让雷达目标分类的准确率更高。
主权项:1.一种基于二维多通道自适应注意力加权卷积神经网络的雷达目标识别方法,其特征在于,包括以下步骤:步骤1、构造带有自适应系数加权的通道注意力模块;步骤2、构造坐标注意力模块;步骤3、将步骤1和步骤2的通道注意力模块和坐标注意力模块相结合,构造多通道自适应加权模块的卷积神经网络;步骤4、将生成的训练集数据输入到步骤3构造好的网络进行训练;步骤5、将预先构建的测试集数据输入到步骤4训练好的网络中测试目标分类的准确率。
全文数据:
权利要求:
百度查询: 南京理工大学 基于二维多通道自适应加权卷积神经网络雷达目标识别方法
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。