買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京航空航天大學申請的專利一種基于生成式對抗網絡的空間目標樣本增廣方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114332502B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111534036.4，技術領域涉及：G06V10/774；該發明授權一種基于生成式對抗網絡的空間目標樣本增廣方法是由李爽;牟金震;朱文山;楊彬;劉旭;黃旭星設計研發完成，并于2021-12-15向國家知識產權局提交的專利申請。

本一種基于生成式對抗網絡的空間目標樣本增廣方法在說明書摘要公布了：本發明公開了一種基于生成式對抗網絡的空間目標樣本增廣方法，步驟如下：空間目標的不變特性關聯性分析，對其不變特征和差異特征進行分類，為生成式對抗網絡提供可供選擇的樣本；分析原有損失函數易導致模式坍塌的原因，使用逼真度函數替代生成式對抗網絡原有的損失函數，對目標進行樣本生成；基于自然進化方式，將生成器的生成過程轉化為變異過程，并將原有的單個生成器修改為3個待進化的異類生成器；設立適應度函數自我優化空間目標樣本，并將優化后的目標樣本輸入到判別器。本發明將生成式對抗網絡的原有損失函數改進為基于逼真度的損失函數，抑制了判別器對生成器的無梯度引導。

本發明授權一種基于生成式對抗網絡的空間目標樣本增廣方法在權利要求書中公布了：1.一種基于生成式對抗網絡的空間目標樣本增廣方法，其特征在于，步驟如下：1空間目標的不變特性關聯性分析，對其不變特征和差異特征進行分類，為生成式對抗網絡提供可供選擇的樣本；2分析原有損失函數易導致模式坍塌的原因，使用逼真度函數替代生成式對抗網絡原有的損失函數，對目標進行樣本生成；3基于自然進化方式，將生成器的生成過程轉化為變異過程，并將原有的單個生成器修改為3個待進化的異類生成器；設立適應度函數自我優化空間目標樣本，并將優化后的目標樣本輸入到判別器；所述的步驟1中，設已有的目標圖像為源域，生成的目標圖像為目標域；將深度學習算法在源域下學習到的知識向目標域遷移，完成空間目標的擴展任務；源域與目標域存在共同的交叉特征，通過特征變換，將源域和空間目標域的特征變換到相同空間，使得該空間中源域數據與空間目標域數據具有相同分布的數據分布，然后進行對抗網絡學習；考慮到基于共同特征空間的遷移方法是依靠相同的不變特征，需要對合作空間目標不變特征的關聯性進行分析，對其不變特征和差異特征進行分類；所述步驟1中空間目標的不變特性關聯性分析具體包括：11樣本相似性分析：對空間目標的樣本進行增廣，要求目標域和源域的數據分布盡可能相似，以保證分類器不變的情況下，對識別任務保持盡可能相同的性能；12特征相似性分析：在樣本增廣前，從原始樣本集中提取原始或附加特征，去除受遷移轉換因素影響大的特征，同時選擇一組不受影響的特征作為樣本增廣的輸入特征；13模型相似性分析：考慮目標域訓練樣本不足的情況，通過源域訓練分類模型并保持數據分布不變，使分類器適應于目標域的數據分布。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京航空航天大學，其通訊地址為：210016 江蘇省南京市秦淮區御道街29號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。