目标识别方法、装置、设备及存储介质与流程

本申请涉及计算机，更具体的说，是涉及一种目标识别方法、装置、设备及存储介质。

背景技术：

1、合成孔径雷达(synthetic aperture radar,sar)作为一种主动式微波传感器，能够基于目标对雷达电磁照射的后向散射回波，收集目标相位与幅度信息，形成地物遥感样本，被广泛应用于实现目标的侦察、监视和识别等场景。

2、为实现sar目标的自动识别任务，往往需要花费大量的人力物力资源来收集训练样本、标注样本类型，以便为sar目标自动识别器提供海量的训练数据支撑。

3、但是在实际场景中，由于资源等因素的限制，难以获取到足够的训练样本，因此难以训练出能够较好的实现sar目标识别任务的模型，难以实现sar目标的自动识别任务。

技术实现思路

1、鉴于上述问题，提出了本申请以便提供一种目标识别方法、装置、设备及存储介质，以实现对sar目标识别任务的处理。

2、具体方案如下：

3、第一方面，提供了一种目标识别方法，包括：

4、获取待识别的sar目标图像，所述待识别的sar目标图像是按照预设的采集参数利用合成孔径雷达sar采集到的图像；

5、调用预训练的sar目标识别模型，对所述待识别的sar目标图像进行处理，得到所述待识别的sar目标图像的sar目标类别；

6、其中，所述预训练的sar目标识别模型的训练过程，包括：

7、按照所述预设的采集参数，利用合成孔径雷达sar采集若干张原始sar目标图像，配置得到原始图像集；

8、按照与所述采集参数一致的模拟参数，利用电磁仿真软件模拟生成若干张仿真sar目标图像，配置得到仿真图像集；

9、在所述仿真图像集上训练预配置的神经网络模型，得到预训练模型；

10、利用所述预训练模型，对所述原始图像集中的图像进行处理，得到适用于原始sar目标图像的分类器初始权重；

11、基于所述预训练模型和所述分类器初始权重，在所述原始图像集上训练得到所述预训练的sar目标识别模型。

12、第二方面，提供了一种目标识别装置，包括：

13、模型训练单元，用于按照预设的采集参数，利用合成孔径雷达sar采集若干张原始sar目标图像，配置得到原始图像集；按照与所述采集参数一致的模拟参数，利用电磁仿真软件模拟生成若干张仿真sar目标图像，配置得到仿真图像集；在所述仿真图像集上训练预配置的神经网络模型，得到预训练模型；利用所述预训练模型，对所述原始图像集中的图像进行处理，得到适用于原始sar目标图像的分类器初始权重；基于所述预训练模型和所述分类器初始权重，在所述原始图像集上训练得到预训练的sar目标识别模型；

14、图像获取单元，用于获取待识别的sar目标图像，所述待识别的sar目标图像是按照所述预设的采集参数利用合成孔径雷达sar采集到的图像；

15、目标识别单元，用于调用预训练的sar目标识别模型，对所述待识别的sar目标图像进行处理，得到所述待识别的sar目标图像的sar目标类别。

16、第三方面，提供了一种目标识别设备，包括：存储器和处理器；

17、所述存储器，用于存储程序；

18、所述处理器，用于执行所述程序，实现上述的目标识别方法的各个步骤。

19、第四方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的目标识别方法的各个步骤。

20、借由上述技术方案，本申请以迁移学习理论为基础，利用与原始sar目标分布相似的仿真sar目标图像，对神经网络模型进行预训练，得到预训练模型，该模型是学习到一定的sar目标识别领域相关知识的模型；而后利用预训练模型，对由原始sar目标图像构成原始图像集中的图像进行处理，得到适用于原始sar目标图像的分类器初始权重，以便基于所述预训练模型和所述分类器初始权重，在所述原始图像集上训练得到预训练的sar目标识别模型，而后调用预训练的sar目标识别模型，对待识别的sar目标图像进行处理，得到所述待识别的sar目标图像的sar目标类别，实现了sar目标识别任务。

21、由于在训练用于实现sar目标识别任务的识别模型时，利用了学习到一定的sar目标识别领域相关知识的预训练模型，因此，即使原始图像集中的原始sar目标图像较少，仍能训练得到识别准确率较高的识别模型，借由该模型对待识别的sar目标图像进行处理，可以得到准确率较高的sar目标识别结果。此外，相较于随机配置的分类器初始参数，本方案配置的适用于原始sar目标图像的分类器初始权重，能够赋予迁移模型满意的初始参数值和优化方向，从而能够在一定程度上优化收敛速度和收敛结果。

技术特征：

1.一种目标识别方法，其特征在于，包括：

2.根据权利要求1所述的目标识别方法，其特征在于，所述预训练模型包括预训练的特征提取器和预训练的分类器；

3.根据权利要求2所述的目标识别方法，其特征在于，所述基于所述预训练模型和所述分类器初始权重，在所述原始图像集上训练得到所述预训练的sar目标识别模型，包括：

4.根据权利要求1-3中任一项所述的目标识别方法，其特征在于，所述按照预设的采集参数，利用合成孔径雷达sar采集若干张原始sar目标图像，配置得到原始图像集，包括：

5.根据权利要求4所述的目标识别方法，其特征在于，依据所述若干张原始sar目标图像和所述若干张扩充的原始sar目标图像，配置得到原始图像集，包括：

6.一种目标识别装置，其特征在于，包括：

7.根据权利要求6所述的目标识别装置，其特征在于，所述预训练模型包括预训练的特征提取器和预训练的分类器；

8.根据权利要求7所述的目标识别装置，其特征在于，所述模型训练单元基于所述预训练模型和所述分类器初始权重，在所述原始图像集上训练得到所述预训练的sar目标识别模型的过程，包括：

9.一种目标识别模型建立设备，其特征在于，包括：存储器和处理器；

10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-5中任一项所述的目标识别方法的各个步骤。

技术总结
本申请公开了一种目标识别方法、装置、设备及存储介质，先利用与原始SAR目标分布相似的仿真SAR目标图像对神经网络模型进行预训练，得到预训练模型；利用预训练模型确定适用于原始SAR目标图像的分类器初始权重，而后基于预训练模型和分类器初始权重，在原始图像集上训练得到SAR目标识别模型，最后调用该模型对待识别的SAR目标图像进行处理，得到对应的SAR目标类别，实现了SAR目标识别任务。由于在训练用于实现SAR目标识别任务的模型时，利用了学习到SAR目标识别领域相关知识的预训练模型，因此，可以在原始SAR目标图像较少的情况下，训练得到准确率较高的识别模型，从而实现高准确率的SAR目标识别任务。

技术研发人员：盛自维
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：
技术公布日：2024/3/11