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！

龍圖騰網獲悉北方民族大學申請的專利基于判別性特征引導的零樣本三維模型分類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：CN115131781B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202210716713.2，技術領域涉及：G06V20/64；該發明授權基于判別性特征引導的零樣本三維模型分類方法是由白靜;范有福;邵會會;彭斌設計研發完成，并于2022-06-23向國家知識產權局提交的專利申請。

本基于判別性特征引導的零樣本三維模型分類方法在說明書摘要公布了：本發明公開了一種基于判別性特征引導的零樣本三維模型分類方法，包括：1數據輸入及初始特征提取，一部分以三維模型數據集的多視圖表征為輸入，再經過初始視覺特征提取網絡得到多視圖特征圖；另一部分以三維模型的類標簽為輸入，經過初始語義特征提取網絡得到其詞向量；2將多視圖特征圖輸入到判別性視覺特征提取模塊中，得到三維模型最終的判別性視覺特征；3將詞向量輸入到偽視覺生成模塊得到三維模型的偽視覺特征；4將判別性視覺特征和偽視覺特征經聯合損失模塊對兩者聯合約束，實現語義?視覺特征的良好對齊，進而縮小語義?視覺域間差異性。本發明針對零樣本三維模型分類任務，分析并論證了局部判別性特征對其的重要作用，實現了更好的性能。

本發明授權基于判別性特征引導的零樣本三維模型分類方法在權利要求書中公布了：1.基于判別性特征引導的零樣本三維模型分類方法，其特征在于，包括以下步驟：1數據輸入及初始特征提取，輸入分為兩部分，一部分以三維模型數據集的多視圖表征為輸入，然后經過初始視覺特征提取網絡得到多視圖特征圖；另一部分以三維模型的類標簽為輸入，經過初始語義特征提取網絡得到其詞向量；2將多視圖特征圖輸入到判別性視覺特征提取模塊中，得到三維模型最終的判別性視覺特征，即真實視覺特征；所述判別性視覺特征提取模塊的具體情況如下：a、多視圖特征融合：將三維模型Nv張視圖的特征圖進行通道維度的拼接，得到融合后的特征b、跨視圖注意力生成：輸入融合后的特征經過M個1×1的卷積，完成通道間的信息交互，得到M個跨視圖的判別性注意力圖；c、單視圖判別性特征生成：為了將得到的M個判別性特征同步到每張視圖上，通過引入雙線性注意力池化操作，增強對局部特征的信息交互，以三維模型多視圖的初始視覺特征圖和三維模型的判別性注意力圖進行點乘操作，得到M個判別性特征在Nv張視圖上的響應區域d、跨視圖判別性特征合成：首先對所述響應區域采用全局平均池化合并空間信息，然后采用最大池化合并通道信息，最后通過拼接得到三維模型第k個跨視圖判別性視覺特征e、判別性特征生成：將M個獨立的判別性視覺特征進行拼接得到三維模型最終的判別性視覺特征；3將詞向量輸入到偽視覺生成模塊得到三維模型的偽視覺特征；所述偽視覺生成模塊的具體情況如下：a、關聯語義提取：為了支持語義-視覺特征的平滑映射，更好地捕捉對象間的關聯語義特征，首先經過由全連接構成的語義描述篩選子模塊，獲取到與視覺判別性特征對應的關聯語義特征Fri；b、偽視覺特征生成：將得到的關聯語義特征Fri輸入到生成器中生成偽視覺特征分布該生成器為由三層的全連接網絡構成；4將得到的三維模型的判別性視覺特征和偽視覺特征經聯合損失模塊對兩者進行聯合約束，實現語義-視覺特征的良好對齊，進而縮小語義-視覺域間差異性。

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北方民族大學，其通訊地址為：750021 寧夏回族自治區銀川市西夏區文昌北街204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”。