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！

龙图腾网恭喜北方民族大学申请的专利一种面向三维模型的零样本分类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：CN114943961B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202210703384.8，技术领域涉及：G06V20/64；该发明授权一种面向三维模型的零样本分类方法是由白静;袁涛;范有福设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本一种面向三维模型的零样本分类方法在说明书摘要公布了：本发明公开了一种面向三维模型的零样本分类方法，包括：S1、构建零样本三维模型数据集；S2、以零样本三维模型数据集中三维模型的多视图表征为输入，利用深度集成学习子网络提取复杂三维模型的视觉特征；S3、将三维模型的视觉特征输入语义流形嵌入子网络中，有效捕捉已知类别与未知类别之间的视觉关联和语义关联；S4、输入零样本三维模型数据集中未知类别的三维模型，通过深度集成学习子网络和语义流形嵌入子网络提取其视觉及语义特征信息，使用余弦距离度量函数为未知类找到最佳语义标签，完成对未知类别的分类识别。本发明可实现对未知类别的有效识别，取得了较好的分类精度。

本发明授权一种面向三维模型的零样本分类方法在权利要求书中公布了：1.一种面向三维模型的零样本分类方法，其特征在于，该方法为识别在训练过程中未见过的新类，构建了零样本三维模型数据集，并提出面向零样本三维模型分类的深度学习网络，该深度学习网络使用两个结构不一致的卷积神经网络，其中一个卷积神经网络结合集成学习的方法有效提取三维模型的视觉特征信息，将其称为深度集成学习子网络，另一个卷积神经网络结合流形学习方法捕捉未见过的未知类别和训练过的已知类别视觉特征与语义特征之间的关联性，将其称为语义流形嵌入子网络，通过该深度学习网络，完成对未知类别的分类识别；其包括以下步骤：S1、研究现有三维模型数据之间的语义相关性，构建零样本三维模型数据集，为零样本三维模型分类任务提供了数据基准；S2、以零样本三维模型数据集中三维模型的多视图表征为输入，利用深度集成学习子网络提取复杂三维模型的视觉特征；S3、将三维模型的视觉特征输入语义流形嵌入子网络中，以零样本三维模型数据集中包含丰富语义信息的标签向量为指引，有效捕捉已知类别与未知类别之间的视觉关联和语义关联，完成对深度学习网络的训练；以三维模型数据的语义标签向量为指引，构建语义流形嵌入子网络，首先以零样本三维模型数据集中的语义标签向量为输入，利用全连接层构造该类标签的300维语义特征，然后以语义特征为基准，构建视觉特征和语义特征之间的对抗损失LD，完成视觉特征到语义特征的对齐，对抗损失LD通过如下公式求解： 式中，N′为样本数目，其数量与三维模型类别数目一致，ai为第i个语义特征，pi为第i个视觉特征，l0和l1通过如下公式求解：lte＝tlogfRλe+1-tlog1-fRλe式中，f为一组多层感知机，旨在实现特征空间到二值分类的映射；e为视觉特征或语义特征；t为0或1，当输入为视觉特征时记为0，输入为语义特征记为1，为了使得嵌入同一空间的视觉特征域和语义特征域的特征分布尽可能接近，在语义流形嵌入子网络中加入梯度反转层，将其定义为Rλ，该函数在前向传播时为恒等变换Rλx＝x，反向传播时会乘以-λ，λ为超参数，在训练过程中由0变为1，起到逆向学习的作用，则当lte取极小值时，语义流形嵌入子网络便无法区分数据来自于视觉特征域还是语义特征域，从而使得两个域的分布更为接近；通过语义流形嵌入子网络，将类间彼此独立的视觉特征嵌入到类间相互关联的语义特征空间，间接捕捉到未知类别和已知类别间的关联关系；S4、将零样本三维模型数据集中未知类别的三维模型输入训练好的深度学习网络，通过深度集成学习子网络和语义流形嵌入子网络提取其视觉及语义特征信息，使用余弦距离度量函数为未知类找到最佳语义标签，完成对未知类别的分类识别。

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北方民族大学，其通讯地址为：750021 宁夏回族自治区银川市西夏区文昌北街204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”。