原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于自监督模型迁移学习下的雷达目标识别方法，包含两个阶段，第一阶段自监督模型中骨干网络以自监督的方式在大量无标签图像样本上进行预训练，通过相似性损失来更新网络权重，最大化同类目标的相似特征并弱化不同类目标的相似特征，实现网络对同类别目标相似特征的有效提取，第二阶段迁移预训练自监督模型中骨干网络的网络参数，利用少量带标签的雷达样本微调网络，实现雷达目标识别。本发明的方法能够有效鉴别目标特征和识别目标类别，解决雷达图像样本标签稀缺而导致的网络学习不充分的问题，提升网络在少量带标签的数
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116778352 A
(43)申请公布日 2023.09.19
(21)申请号 202310905352.0 G06V 10/774 (2022.01)
文档评论（0）