买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种融合空间注意力和自注意变换网络的雷达分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114119615B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111204699.X，技术领域涉及：G06V10/25；该发明授权一种融合空间注意力和自注意变换网络的雷达分割方法是由刘盛;曹益烽;李丁达;黄文豪;陈胜勇设计研发完成，并于2021-10-15向国家知识产权局提交的专利申请。

本一种融合空间注意力和自注意变换网络的雷达分割方法在说明书摘要公布了：本发明公开了一种融合空间注意力和自注意变换网络的雷达分割方法，将原始点云采用实例注入的方法，获得实例增强后的点云数据，增强后的点云数据提取每个点的特征，每一个体素保留特征值最大的点作为体素的特征，将体素特征和体素坐标构建稀疏张量，通过融合稀疏空间注意力和Transformer的类unet网络提取体素特征。网络输出体素语义信息，并转化为点云的语义信息，输出语义分割结果。本发明提高了网络预测边缘类别的精度。

本发明授权一种融合空间注意力和自注意变换网络的雷达分割方法在权利要求书中公布了：1.一种融合空间注意力和自注意变换网络的雷达分割方法，其特征在于，所述融合空间注意力和自注意变换网络的雷达分割方法，包括： S1、将原始点云采用实例注入的方法，获得实例增强后的点云数据； S2、将所述增强后的点云数据经过MLP模块提取每个点的特征，每一个体素保留特征值最大的点作为体素的特征； S3、将体素特征和体素坐标构建成稀疏张量，输入构建好的语义分割网络进行训练，输出体素语义信息，并转化为点云的语义信息，输出语义分割结果，所述语义分割网络包括多个阶段，每个阶段从输入侧到输出侧依次包括编码器和解码器，第一阶段的编码器前还包括拓展维度的线性层，第一阶段的解码器后还包括SegHead层；各阶段所述编码器结合不对称残差卷积模块和空间注意力机制对输入特征进行编码，强化语义信息，获得编码器的输出特征；除最后一阶段的其他阶段编码器的输出特征经过下采样层后传递给下一阶段的编码器；最后一阶段的编码器的输出特征传入自注意变换网络Transformer；每阶段的编码器的输出特征与下一阶段解码器的输出特征经过上采样层后共同输入到本阶段的解码器中；第一阶段解码器的输出特征经过所述SegHead层输出点云中每个体素属于每个类的概率； 其中，所述SegHead层从输入侧到输出侧依次包括3x3x3卷积层、BatchNorm层和ReLU激活函数； 所述不对称残差模块输入特征经过两个分支，第一分支从输入侧到输出侧依次经过1x3x3卷积层、BatchNorm层、ReLU激活函数、3x1x3卷积层、BatchNorm层和ReLU激活函数；第二分支从输入侧到输出侧依次经过3x1x3卷积层、BatchNorm层、ReLU激活函数、3x1x3卷积层、BatchNorm层和ReLU激活函数，所述的不对称残差卷积模块将以上两个分支通过元素相加得到输出特征； 所述的空间注意力机制输入特征依次经过3x3x3卷积层、BatchNorm层，ReLU激活函数得到特征1，然后经过1x1x1卷积层、BatchNorm层和sigmoid激活函数得到特征2，所述的特征1和所述的特征2元素相加的到特征3，特征3和空间注意力机制输入元素相乘的到空间注意力机制的输出； 所述自注意变换网络，首先对位置信息进行位置编码计算得到点与点之间的位置关系特征，然后与特征信息相融合，融合后的信息先后经过两次layerNorm层、self-attention模块和MLP层，跳跃连接对输入和self-attention模块两者特征相加；self-attention模块输入特征分别经过三个线性层的到query，key和value特征，再用query特征和key特征的转置矩阵相乘得到注意力图特征，最后将注意力图特征经过softmax后与value特征相乘作为模块的输出特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。