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！

龙图腾网获悉杭州电子科技大学申请的专利基于图像和属性图融合网络的三维CAD模型检索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：CN115439722B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211129635.2，技术领域涉及：G06V10/80；该发明授权基于图像和属性图融合网络的三维CAD模型检索方法是由秦飞巍;詹高扬;邵艳利设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本基于图像和属性图融合网络的三维CAD模型检索方法在说明书摘要公布了：本发明提出了一种基于图像和属性图融合网络的三维CAD模型检索方法，不仅充分利用了三维CAD模型中图像的高级几何信息和属性图中包含的拓扑结构信息。而且还引入了多头注意力机制，通过视图中的几何信息来对属性图中的拓扑结构信息进行增强。最后还将两个模态的信息进行融合，充分利用各自模态信息的同时还其他模态信息进行指导增强，使得能够辨别模型的特性信息更加清晰。本发明广泛适用于各类CAD模型而不局限于特定数据集，能够实现对三维CAD模型的高效检索且检索准确率高于现有表现较佳的其他三维模型检索方法，同时进一步推广了注意力机制以及跨模态融合在三维模型检索问题上的应用。

本发明授权基于图像和属性图融合网络的三维CAD模型检索方法在权利要求书中公布了：1.基于图像和属性图融合网络的三维CAD模型检索方法，其特征在于,该方法具体包括以下步骤： 步骤1、VGNet网络模型数据预处理； 步骤2、VGNet网络模型构建与训练，具体操作如下： VGNet网络模型构建与训练分为两个步骤：神经网络模型的构建和网络模型的训练； 步骤2.1：神经网络模型构建；该神经网络模型由两部分组成，分别是特征提取器和注意力指导融合模块； 所述的特征提取器，其在两个模态中分别利用各自模态的神经网络来对原始数据进行特征提取；视图分支：每个三维模型由一组由预定义相机阵列捕获的渲染视图表示；将其输入到卷积通道依次为64，128，256，512的卷积层中以得到每个视图的特征；其计算公式如下所示： z＝ConvBNReLUx 其中x为输入的图像，其中C表示的输出的通道数，S是输入图像的步长，ReLU为其激活函数，BN为批次归一化，Conv为卷积核3*3的卷积操作； 属性图分支：使用图神经网络中的经典网络GCN来提取特征；图中结点通过消息传递机制来不断地更新和聚合特征；由于属性图是图神经网络中小图范畴，单层网络层的特征信息不能很好表示所包含信息，通过多层图卷积层来充分提取特征信息并利用跳跃网络将前中后期特征进行拼接形成最终图特征；其计算公式如下所示： 其中为结点在第l层的特征，σ为非线性变换，cij为归一化因子，Ni为结点i的所有邻居包括结点自身，wl为第l层的权重，bl为第l层的截距； 所述的注意力指导融合模块，由三个子模块构成：Multi-headAttention即MHA，残差增强以及跨模态融合； 步骤2.1.1：MHA 通过MHA来找到图像特征和属性图特征之间联系；输入两个模态的特征向量来进行彼此之间的交互学习，得到一个注意力分数； 步骤2.1.2：残差增强 根据注意力分数来对特征进行加强，使得重要的特征更加明显，边缘特征更加边缘； 步骤2.1.3：跨模态融合 将两个模态的特征信息进行融合来形成最终的模型特征表示； 步骤2.2：网络模型训练 将两个分支的特征提取网络进行预训练；在预训练完成之后，进行整个网络框架的训练，在前N个阶段冻结提取特征网络的参数更新，只在注意力融合模块进行微调；之后将所有参数将一起参与更新； 步骤3、VGNet网络模型预测结果评估。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。