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！

龙图腾网获悉华南理工大学申请的专利基于互斥体协作网络的三维点云零样本分类方法及装置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：CN118097274B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410252712.6，技术领域涉及：G06V10/764；该发明授权基于互斥体协作网络的三维点云零样本分类方法及装置是由吴庆耀;曹沂文;苏宇堃设计研发完成，并于2024-03-06向国家知识产权局提交的专利申请。

本基于互斥体协作网络的三维点云零样本分类方法及装置在说明书摘要公布了：本发明公开了一种基于互斥体协作网络的三维点云零样本分类方法及装置，方法包括：数据集预处理，分割数据集为可见类别和不可见类别样本，并获取各类别的语义特征向量；构建互斥体协作神经网络，包括点云编码器、互斥体学习模块、双分支学习模块和分类模块；训练阶段采取互斥损失、分类损失和正则化损失函数用于更新梯度传播，以端到端的方式训练网络；测试阶段对双分支特征融合，并于类别语义特征向量进行匹配，得到分类结果。本发明通过互斥体学习发散地学习3D特征，以明确地发现对象的更多判别部分，为了增强对象的这些不同部分的学习特征，进一步设计通过利用图在激活区域之间传播协作信息，提升了三维点云零样本分类的性能及准确率。

本发明授权基于互斥体协作网络的三维点云零样本分类方法及装置在权利要求书中公布了：1.基于互斥体协作网络的三维点云零样本分类方法，其特征在于，包括下述步骤： 数据集预处理，分割数据集为可见类别和不可见类别样本，并获取可见类别和不可见类别样本的语义特征向量； 构建互斥体协作神经网络，所述互斥体协作神经网络包括点云编码器、互斥体学习模块、双分支学习模块和分类模块；所述点云编码器对三维点云进行特征提取；所述互斥体学习模块对提取的特征进行互斥部分激活，得到K个激活特征；所述双分支学习模块分别通过互斥、协作两个分支将互斥体特征融合嵌入；所述分类模块用于对三维点云进行分类； 采取互斥损失、分类损失和正则化损失函数更新梯度传播，以端到端的方式训练互斥体协作神经网络； 基于训练好的互斥体协作神经网络，对双分支特征融合，并与类别语义特征向量进行匹配，得到分类结果； 所述互斥体学习模块对提取的特征进行互斥部分激活，得到K个激活特征，具体为： 对于提取好的三维点云特征fx，通过一层卷积层将其扩展到K层构建激活向量集合，构建激活向量之间的相似性损失Lmut为： ； 其中，c为点云特征的语义特征的维度，i和j指代向量集合P的索引，其大小在1~K的范围内；通过网络训练优化上式，K个激活向量都是互斥的，因此发散地学习整个点云特征，随后通过融合来自多个互斥点云特征的互补语义来激活整个对象；最后，通过元素相乘更新原始点云特征为，此处表示集合中的每个pi均与fx进行张量乘法运算，得到，将K个互斥特征集合化得到； 所述双分支学习模块具体为： 互斥分支不对互斥特征进行协作处理，直接将互斥特征进行级联操作得到后通过一层线性层得到能与语义属性向量进行匹配的特征，Q是特征向量的维度； 协作分支，由于互斥部分来自同一个对象，因此对象的这K个激活部分的学习特征是高度协作的，故使用图结构来显式的对点云的不同部分之间的空间和外观关系信息进行建模，具体为： 将K个互斥体特征作为图的节点来构建图，其邻接矩阵表示互斥部分的成对关系，构造方式是使用点积来计算嵌入空间中的协作信息，即： ； 其中，和是两个可学习的线性投影，结合了ReLU激活函数，将特征相关性值映射到一个新的空间中，随后采用L层图卷积进行信息传播为： ； 其中表示第l层图卷积中的节点特征表示，即，为该层图卷积的权重，σ表示ReLU激活函数；随后经过L层图卷积协作信息传递后的特征同样经过一层线性层后得到。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。