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！

龙图腾网获悉哈尔滨理工大学申请的专利一种融合ResNet和CoTNet的多视图三维模型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：CN117315362B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202311289451.7，技术领域涉及：G06V10/764；该发明授权一种融合ResNet和CoTNet的多视图三维模型分类方法是由高雪瑶;王元飒;张春祥设计研发完成，并于2023-10-07向国家知识产权局提交的专利申请。

本一种融合ResNet和CoTNet的多视图三维模型分类方法在说明书摘要公布了：本发明涉及一种融合ResNet和CoTNet的多视图三维模型分类方法。本发明首先对三维模型进行投影，得到二维视图集。在2DResNet模型中加入CBAM注意力模块和SENet注意力模块来增强网络的学习能力。以2DResNet模型为基础网络构造2DResNet‑CoTNet网络，将2DResNet与2DCoTNet并行结合，从二维视图中提取视图特征。采用形状描述符D1、D2、D3、Zernike矩和Fourier描述符来描述二维视图，并应用1DResNet来提取形状特征。将视图特征与形状特征进行融合，最后使用Softmax函数来确定三维模型的类别。本发明具有较好的三维模型分类效果，能更准确地解决三维模型分类问题。

本发明授权一种融合ResNet和CoTNet的多视图三维模型分类方法在权利要求书中公布了：1.一种融合ResNet和CoTNet的多视图三维模型分类方法，其特征在于，该方法主要包括以下步骤： 步骤1：对Modelnet10中的三维模型进行投影得到二维视图集； 步骤2：利用D1描述符来描述二维视图质心与边界上随机采样点之间的距离，利用D2描述符来描述二维视图边界上两个随机采样点之间的距离，利用D3描述符来描述二维视图边界上3个随机采样点所形成的三角形面积的平方根； 步骤3：提取二维视图的Zernike矩，并采用标准矩的方法归一化到0,1范围； 步骤4：取得二维视图的轮廓视图，提取轮廓视图轮廓视图的一维傅立叶算子，除以直流分量标准化到0,1范围； 步骤5：利用S1描述符来描述二维视图边界的紧致度，利用S2描述符描述二维视图边界上4个随机采样点所围成的四边形周长； 步骤6：提取ModelNet10中三维模型的二维视图V1–V6，将V1–V6作为输入数据输入至二维残差-上下文变换网络2DResNet-CoTNet，提取V1–V6的D1、D2、D3、Zernike矩、傅立叶算子、S1、S2形状描述符，并将其作为输入数据输入至一维残差网络1DResNet； 步骤7：设计2DResNet网络，与2DCoTNet并行结合得到2DResNet-CoTNet网络，设计1DResNet网络，具体步骤为： 步骤7-12DResNet包含conv_1、conv_2、conv_3、conv_4和conv_5共5个卷积层，在conv_5与平均池化层之间加入CBAM注意力模块，在后面串行加入SENet注意力模块； 步骤7-2构造2DCoTNet模型，模型由三个1×1的卷积、关键值keysK、查询值queryQ、变量值valueV、权重值weightsW以及两个点乘操作组成，将关键值K与查询值Q点乘得到权重值W，反映出输入的局部上下文表示，再将权重值W与变量值V点乘得到全局上下文表示，最后得到模型的输出； 步骤7-3将改进的2DResNet模型与2DCoTNet模型并行结合，构成2DResNet-CoTNet卷积神经网络模型； 步骤7-41DResNet由5个卷积层、激活函数、最大池化层与平均卷积层组成，将提取的D1、D2、D3、Zernike矩、傅立叶算子、S1、S2形状描述符输入到1DResNet卷积神经网络中融合后输出； 步骤8：使用训练数据优化2DResNet-CoTNet和1DResNet，使用优化后的2DResNet-CoTNet和1DResNet对测试数据进行处理，经过卷积、池化、融合，在输出层中得到分类结果。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；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。