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！

龙图腾网获悉西南大学申请的专利基于面向点云的局部语义和跨层级依赖的图像识别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：CN120147655B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510206592.0，技术领域涉及：G06V10/40；该发明授权基于面向点云的局部语义和跨层级依赖的图像识别方法是由王丽丹;丁一博;段书凯;张世超设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本基于面向点云的局部语义和跨层级依赖的图像识别方法在说明书摘要公布了：一种基于面向点云的局部语义和跨层级依赖的图像识别方法，其特征在于，包括：1：构建基于面向点云的局部语义和跨层级依赖的图像识别系统；2：图像采集模块采集原始图像数据；3：预处理模块对原始图像数据进行预处理，得到标准数据；4：LCHNet网络中的嵌入层获取标准数据，提升标准数据的特征维度，得到嵌入数据；5‑8：各个特征提取模块对输入数据数据进行特征提取，得到特征数据；9：中介注意力模块进行中介注意力机制计算，得到多层次特征数据；10：加法单元将第四特征数据和多层次特征数据相加，得到综合特征数据；11：图像识别模块对综合特征数据进行图像识别操作，输出图像识别结果。效果：提高了点云模型的泛化能力和特征提取能力。

本发明授权基于面向点云的局部语义和跨层级依赖的图像识别方法在权利要求书中公布了：1.一种基于面向点云的局部语义和跨层级依赖的图像识别方法，其特征在于，包括以下步骤： 步骤1：构建基于面向点云的局部语义和跨层级依赖的图像识别系统，该图像识别系统设置有依次连接的图像采集模块、预处理模块和面向点云的局部语义和跨层级依赖网络LCHNet； 所述面向点云的局部语义和跨层级依赖网络LCHNet设置有首尾依次连接的嵌入层、第一特征提取模块、第二特征提取模块、第三特征提取模块、第四特征提取模块、加法单元和图像识别模块，所述第一特征提取模块、第二特征提取模块、第三特征提取模块、第四特征提取模块和加法单元还连接有中介注意力模块； 步骤2：所述图像采集模块实时采集原始图像数据a，并传递给预处理模块； 步骤3：所述预处理模块对所述原始图像数据a进行预处理操作，得到标准数据b，并传递给面向点云的局部语义和跨层级依赖网络LCHNet； 步骤4：所述面向点云的局部语义和跨层级依赖网络LCHNet中的嵌入层获取所述标准数据b，并提升所述标准数据b的特征维度，得到嵌入数据c，然后传递给第一特征提取模块； 步骤5：所述第一特征提取模块对所述嵌入数据c进行特征提取操作，得到第一特征数据d，并传递给第二特征模块和中介注意力模块； 步骤6：所述第二特征提取模块对所述第一特征数据d进行特征提取操作，得到第二特征数据e，并传递给第三特征模块和中介注意力模块； 步骤7：所述第三特征提取模块对所述第二特征数据e进行特征提取操作，得到第三特征数据f，并传递给第四特征模块和中介注意力模块； 步骤8：所述第四特征提取模块对所述第三特征数据f进行特征提取操作，得到第四特征数据g，并传递给加法单元和中介注意力模块； 步骤9：所述中介注意力模块对所述第一特征数据d、第二特征数据e、第三特征数据f和第四特征数据g进行中介注意力机制计算，捕获了各个特征数据中的长程语义信息，得到多层次特征数据h，并传递给加法单元； 步骤10：所述加法单元将所述第四特征数据g和多层次特征数据h相加，得到综合特征数据k，并传递给图像识别模块； 步骤11：所述图像识别模块对所述综合特征数据k进行图像识别操作，并输出图像识别结果。

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南大学，其通讯地址为：400715 重庆市北碚区天生路2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。