申请/专利权人：南京航空航天大学;北京卫星信息工程研究所

申请日：2020-09-17

公开（公告）日：2024-04-05

公开（公告）号：CN112036419B

主分类号：G06V10/82

分类号：G06V10/82;G06V10/774;G06V10/40;G06N3/0464;G06N3/045;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2020.12.22#实质审查的生效;2020.12.04#公开

摘要：本发明公开了一种基于VGG‑Attention模型的SAR图像部件解译方法，首先对原始VGG网络进行改进，并在改进后的VGG网络中添加注意力模块，得到VGG‑Attention模型，在训练过程中输入给定标签的SAR图像，VGG‑Attention模型提取SAR图像的整体数据特征，残差注意力模块将所提取的深层特征中的重要特征进行加强和集中，通过优化网络参数实现对SAR图像显著部件的解译。本发明在不降低解译效果的前提下减少了训练所需时间，提升了网络的鲁棒性，能有效对SOC和大俯仰角EOC条件下的SAR目标图像中的显著部件进行较准确的解译。

主权项：1.一种基于VGG-Attention模型的SAR图像部件解译方法，其特征在于，具体包括如下步骤：步骤1：将SAR图像中物体的某个部件作为目标，对SAR图像库中所有的SAR图像按是否存在目标进行标注，并将SAR图像库中的图像按照俯仰角划分训练集和测试集；步骤2：将残差注意力模型Attention与VGG网络结合，得到VGG-Attention模型；步骤3：将训练样本输入至VGG-Attention模型中，对VGG-Attention模型进行训练；步骤4：训练结束后，计算训练集中每个SAR图像经VGG-Attention模型得到的输出值与该SAR图像的原始标注之间的交叉熵，将该交叉熵作为VGG-Attention模型的损失函数，并根据损失函数对VGG-Attention模型的每一层网络进行调整，从而更新VGG-Attention模型，判断更新后的VGG-Attention模型是否达到收敛，若是，则转步骤5；否则转步骤3，对更新后的VGG-Attention模型再次进行训练；步骤5：利用测试集计算更新后的VGG-Attention模型的准确率是否达到预设的值，若是，则转步骤6；否则对该VGG-Attention模型的超参数进行调整，并转步骤3；步骤6：将需要进行目标解译的SAR图像输入至VGG-Attention模型中，该VGG-Attention模型对SAR图像进行目标解译，并得到目标的解译值。

全文数据：

权利要求：

百度查询： 南京航空航天大学;北京卫星信息工程研究所 一种基于VGG-Attention模型的SAR图像部件解译方法

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。

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