融合特征损失和三目标优化的鲁棒SAR图像识别系统与方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种融合特征损失和三目标优化的鲁棒合成孔径雷达图像识别系统与方法。构建基于神经网络模型多个隐含层的多特征加权损失函数，对SAR图像识别模型的神经网络架构参数、多特征加权损失函数的权重参数和训练学习率进行个体编码，将SAR图像识别模型的参数数量、对正常样本的识别精度和对对抗样本的识别精度作为优化目标，设计基于三目标优化方法的离线优化平台，获得了用于在线部署的具有轻量化、高精度和强对抗鲁棒性的SAR图像识别模型。本发明技术不仅实现了兼顾多性能指标的SAR图像识别模型自动生成，构建的多特征加权损失函数扩展了SAR图像识别模型的特征组合方式，还提升了模型轻量化、识别精度和对抗鲁棒性等综合性能。

《融合特征损失和三目标优化的鲁棒SAR图像识别系统与方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 202310041805X，当前法律状态为已下证，由暨南大学提出申请，发明人为曾国强;张宇;翁健;耿光刚;李理敏;魏海南，申请日期为2023-01-12，公开（公告）日期为2025-09-23，国际专利分类号（IPC）为 G06V 20/10 (2022.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种融合特征损失和三目标优化的鲁棒合成孔径雷达图像识别系统与方法。构建基于神经网络模型多个隐含层的多特征加权损失函数，对SAR图像识别模型的神经网络架构参数、多特征加权损失函数的权重参数和训练学习率进行个体编码，将SAR图像识别模型的参数数量、对正常样本的识别精度和对对抗样本的识别精度作为优化目标，设计基于三目标优化方法的离线优化平台，获得了用于在线部署的具有轻量化、高精度和强对抗鲁棒性的SAR图像识别模型。本发明技术不仅实现了兼顾多性能指标的SAR图像识别模型自动生成，构建的多特征加权损失函数扩展了SAR图像识别模型的特征组合方式，还提升了模型轻量化、识别精度和对抗鲁棒性等综合性能。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！