[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

本申請實施例提供一種成像及識別模型的訓練方法、應用方法、裝置及介質，該方法包括：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；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，所述損失函數是用所述預測的分類結果和標注的分類結果表征的，本申請實施例使成像模塊可以生成對于識別過程最佳的目標圖像，從而可以最大限度的提高分類精度。

技術領域

本申請實施例涉及回波成像識別領域，具體涉及一種成像及識別模型的訓練方法、應用方法、裝置及介質。

背景技術

相關技術中，通常在合成孔徑雷達(Synthetic?Aperture?Radar，SAR)/逆合成孔徑雷達(Inverse-Synthetic-Aperture-Radar，ISAR)自動目標識別中，通常將成像模型與識別模型分別訓練且為各自設置獨立的損失函數，因此導致根據訓練好的成像模型中獲得的目標圖像通常具有較好的稀疏性能，但是具有較好稀疏性能的目標圖像，對于后續在識別模型進行分類的過程中會導致識別準確率下降，并且在傳統的成像算法中，需要大量迭代才能得到稀疏解，同時也影響識別分類效果。

因此，如何根據目標回波信號獲取更加有利于分類的目標圖像成了亟待解決的問題。

發明內容

本申請實施例提供一種成像及識別模型的訓練方法、應用方法、裝置及介質，通過本申請的一些實施例至少能夠使成像模塊可以生成對于識別過程最佳的目標圖像，從而可以最大限度的提高分類精度。

第一方面，本申請實施例提供一種成像及識別模型的訓練方法，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。

因此，本申請實施方式中的損失函數是通過對輸入的目標回波數據的預測分類結果和標注分類結果來表征的，而不是采用相關技術的用對目標回波信號的預測成像結果來評價成像模型是否訓練結束，訓練包含有成像模型和識別模型的成像及識別模型，能夠使成像模塊可以生成對于識別過程最佳的目標圖像，從而可以最大限度的提高分類精度。

結合第一方面，在一種實施方式中，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和所述損失函數對所述成像及識別模型進行訓練，獲得所述目標成像及識別模型。

因此，區別于傳統手工設置參數的稀疏恢復(Sparse?Recovery,SR)算法，本申請實施方式中通過訓練得到成像模型對應的目標參數值，確定成像模型，使成像模型能夠生成有利于識別分類的最佳目標圖像，從而能夠依據目標參數值獲得分類準確率較高的成像及識別模型。

結合第一方面，在一種實施方式中，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。