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！

龙图腾网获悉西北大学申请的专利一种基于多视图掩码自编码器的点云自监督分类方法及系统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：CN119762881B 。

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：202411949123.X，技术领域涉及：G06V10/764；该发明授权一种基于多视图掩码自编码器的点云自监督分类方法及系统是由周伟;刘坤龙;郝星星;郝星;王德奎;陈莉设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于多视图掩码自编码器的点云自监督分类方法及系统在说明书摘要公布了：本发明公开了一种基于多视图掩码自编码器的点云自监督分类方法及系统，属于计算机视觉技术领域，包括以下步骤：S101，获取三维点云数据集，将三维点云数据集按照训练、验证和测试进行划分，并使用采样技术对三维点云进行预处理；S102，结合多视图技术的自监督深度学习网络，并用训练数据进行训练，通过验证数据集优化，以获得最佳的深度学习模型；S103，使用最优效果的深度学习网络模型在测试集和验证集进行测试和验证。本发明采用基于深度学习的点云多视图自监督分类，该网络通过将点云转为多个视图，使用场景和视点信息将多个视图集成在一起，最大限度的减少了投影损失，并使用掩码自编码器对组合视图进行掩码重建，增强了模型的泛化能力。

本发明授权一种基于多视图掩码自编码器的点云自监督分类方法及系统在权利要求书中公布了：1.一种基于多视图掩码自编码器的点云自监督分类方法，其特征在于，包括以下步骤： 步骤一：使用激光扫描或是从公开的点云数据库中获取三维点云数据集，将三维点云数据集按照训练、验证和测试三个部分进行划分，训练集用于训练深度学习模型，验证集用于调优模型参数和选择最佳模型，测试集则用于评估模型的性能，确保其在实际应用中的可靠性，数据进行划分后，使用采样技术对三维点云进行预处理，以确保数据集的代表性，提高模型的训练效果和泛化能力； 步骤二：构建多视图转换网络、自监督代理任务网络和下游分类任务微调网络，并构建一种基于多视图掩码自编码器的点云自监督分类方法，包括： 1将点云通过渲染转为多视图并拼接为整体； 对于点云P，通过预先设计的球形模型相机参数在点云周围以固定间隔布置虚拟相机，再计算其点的加权平均值来确定点云的质心，并使相机对准以生成多种视角的视图； 2对拼接后的图片通过掩码自编码器进行掩码重建任务； 首先，对于给定的输入图像，根据视角的个数将其均匀划分为图像块，按照均匀分布从中随机抽取一部分，对其中75％的图像块进行掩码操作，剩余的可见部分传递到模型的编码器中得到特征，解码器利用可见部分的特征，填充缺失信息重建整个图像，并通过比较重建图像与原始图像之间的差异进行自我优化； 3在分类任务上对模型进行微调； 经过掩码重建的预训练过程后，编码器会保存从数据中提取的丰富特征表示，这些特征表示是高度抽象的，能够捕捉数据的底层结构和复杂模式，编码器被连接到一个为点云分类任务设计的神经网络，通过监督学习的方法，模型不断调整自身的参数，以最小化预测输出与实际标签之间的差距，在微调过程中，模型学习到点云分类任务所需的精确特征，同时保留预训练时学到的一般特征，从而提高模型在分类任务上的表现； 步骤三：使用训练集在自监督代理网络上进行训练；使用下游分类任务微调网络对训练好的模型进行微调，以适应分类任务的需要，训练过程中使用验证集验证模型性能并选取网络模型； 步骤四：使用网络在测试集和验证集上进行性能评估，并得到三维点云的分类结果。

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西北大学，其通讯地址为：710069 陕西省西安市碑林区太白北路229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。