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！

龍圖騰網恭喜西安電子科技大學申請的專利一種基于半監督生成對抗網絡的SAR樣本擴充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：CN113792756B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202110943782.2，技術領域涉及：G06V10/774；該發明授權一種基于半監督生成對抗網絡的SAR樣本擴充方法是由梁毅;劉恒;懷圓圓;孫昆設計研發完成，并于2021-08-17向國家知識產權局提交的專利申請。

本一種基于半監督生成對抗網絡的SAR樣本擴充方法在說明書摘要公布了：本發明公開了一種基于半監督生成對抗網絡的SAR樣本擴充方法，包括以下步驟：步驟1，根據原有樣本集來建立嵌入樣本集和微調樣本集；步驟2，選取生成器G；設計預訓練生成器損失函數，使用多個不同的微調樣本預訓練生成器G；選取判別器D，設計預訓練判別器損失函數，使用多個不同的原有樣本預訓練判別器D；步驟3，將預訓練后的生成器G和預訓練后判別器D依次連接建立生成對抗網絡，設計半監督損失函數，得到半監督生成對抗網絡；步驟4，使用Adam優化器訓練半監督生成對抗網絡，以生成器G損失函數值為依據，獲得訓練迭代中損失最低的最優生成器；步驟5，將任一嵌入樣本輸入最優生成器，從而輸出新樣本，將新樣本作為原有樣本集的擴充樣本。

本發明授權一種基于半監督生成對抗網絡的SAR樣本擴充方法在權利要求書中公布了：1.一種基于半監督生成對抗網絡的SAR樣本擴充方法，其特征在于，包括以下步驟：步驟1，根據原有樣本集來建立嵌入樣本集和微調樣本集；步驟2，選取生成器G；設計預訓練生成器損失函數，使用多個不同的微調樣本預訓練生成器G；選取判別器D，設計預訓練判別器損失函數，使用多個不同的原有樣本預訓練判別器D；步驟3，將預訓練后的生成器G和預訓練后判別器D依次連接建立生成對抗網絡，設計半監督損失函數，得到半監督生成對抗網絡；步驟4，使用Adam優化器訓練所述半監督生成對抗網絡，以生成器G損失函數值為依據，獲得訓練迭代中損失最低的最優生成器；步驟5，將任一嵌入樣本輸入所述最優生成器，所述最優生成器輸出新樣本，將新樣本作為原有樣本集的擴充樣本；在步驟3中，半監督損失函數包括生成器G的損失函數和判別器D的損失函數；所述生成器G的損失函數分為三部分：生成器G與判別器D的對抗損失函數loss_adv；輸出的擴展樣本Gx1,y和輸入的原有樣本y比對的區域損失函數loss_region；輸出的擴展樣本Gx1,y和原有樣本y比對的像素損失函數loss_pixel；所述生成器G的損失函數為對抗損失函數loss_adv、區域損失函數loss_region和像素損失函數loss_pixel的加權求和，如式1所示； 式1中，α、β、γ分別為對抗損失函數loss_adv、區域損失函數loss_region和像素損失函數loss_pixel的加權系數，取α＝1，β＝1，γ＝50；所述判別器D的損失函數使用交叉熵損失函數，如式2所示； 交叉熵損失函數如式3所示；L＝-E[yi·logpi+1-yi·log1-pi]3式3中，E*表示分布函數的期望值,yi表示輸入樣本i的label，輸入真樣本時為label為1，輸入假樣本時label為0，pi表示樣本i預測為真的概率；對于判別器D來講，擴展樣本Gx1,y對應label為0，原有樣本y對應label為1，故所述判別器D的損失函數如式2所示。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市太白南路2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”。