[發明專利]一種成像及識別模型的訓練方法、應用方法、裝置及介質

有效

• 申請號: 202110766344.3
• 申請日: 2021-07-07
• 公開（公告）號: CN113359135B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 胡曉偉;郭藝奪;馮為可;何興宇;王宇晨;馮存前
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G01S7/41;G06F18/214;G06F18/24;G06N3/0464;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

1.一種成像及識別模型的訓練方法，其特征在于，所述訓練方法包括：

獲取用于訓練成像及識別模型的標注數據，其中，所述標注數據是對雷達采集的目標回波信號進行成像結果標注和分類結果標注得到的；

根據所述標注數據和損失函數，對待訓練的成像及識別模型進行訓練，獲得目標成像及識別模型，其中，所述成像及識別模型的輸入是所述目標回波信號，輸出是對所述目標回波信號預測的分類結果，所述損失函數是對輸入的所述目標回波信號的預測的分類結果和標注分類結果表征的；

其中，所述成像及識別模型包括成像模型和識別模型；

所述根據所述標注數據和損失函數，對待訓練的成像及識別模型進行訓練，獲得目標成像及識別模型，包括：

通過多次迭代的方式對待訓練的成像模型進行訓練，獲得所述成像模型對應的目標參數的值，完成對所述成像模型的初步訓練，得到初始成像模型，其中，目標參數的類型至少包括：步長和軟閾值；

將所述初始成像模型輸出的成像結果輸入到待訓練的識別模型中，通過所述損失函數對所述待訓練的識別模型和所述初始成像模型進行多次反饋訓練，獲得所述目標成像及識別模型。

2.根據權利要求1所述的方法，其特征在于，所述成像模型包括：初級圖像生成模塊和目標圖像生成模塊；其中，

所述通過多次迭代的方式對所述待訓練的成像模型進行訓練，獲得所述成像模型對應的目標參數值，包括：

在第k次迭代中，將所述目標回波信號輸入到所述初級圖像生成模塊，獲得第k初級圖像，其中，k為大于或等于1的整數；

根據所述目標圖像生成模塊對所述第k初級圖像進行稀疏域變換，獲得第k目標圖像；

重復上述步驟，直至滿足第一終止條件或者達到設定的循環次數，獲得所述成像模型對應的目標參數值。

3.根據權利要求2所述的方法，其特征在于，所述目標圖像生成模塊包括：變換模塊和反變換模塊；

所述變換模塊依次包括：輸入層、第一卷積層、第一線性整流層、第一池化層、第二卷積層和輸出層；

所述反變換模塊依次包括：輸入層、第三卷積層、第二線性整流層、第二池化層、第四卷積層和輸出層。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述通過多次迭代的方式對所述待訓練的成像模型進行訓練，獲得所述成像模型對應的目標參數值之前，所述方法還包括：

根據成像結果標注數據對待預訓練的成像模型進行預訓練，獲得第i預訓練結果，i為大于或等于1的整數；

重復上述步驟，當確認所述第i預訓練結果滿足第二終止條件，獲得所述待訓練的成像模型。

5.根據權利要求4所述的方法，其特征在于，所述當確認所述第i預訓練結果滿足第二終止條件，包括:

根據成像損失函數確定滿足所述第二終止條件，其中，所述成像損失函數用于衡量預測圖像和成像結果標注數據之間的差異。

6.一種成像及識別模型的應用方法，其特征在于，所述方法包括：

獲取雷達采集的目標回波信號；

將所述目標回波信號輸入到如權利要求1-5任一項所述的訓練方法得到的目標成像及識別模型中，獲得成像結果和/或分類結果。