CN115393841B 一种基于自注意力机制的3d物体识别方法和系统 （广东工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115393841B(45)授权公告日2025.07.01

(21)申请号202210894043.3

(22)申请日2022.07.27

(65)同一申请的已公布的文献号申请公布号CN115393841A

(43)申请公布日2022.11.25

(73)专利权人广东工业大学

地址510090广东省广州市越秀区东风东

路729号

(72)发明人曹江中余良耿

(74)专利代理机构广州粤高专利商标代理有限公司44102

专利代理师刘俊

(51)Int.CI.

GO6V20/64(2022.01)

GO6V10/40(2022.01)

GO6V10/764(2022.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN113901990A,2022.01.07

CN113674334A,2021.11.19审查员刘志军

权利要求书3页说明书11页附图3页

(54)发明名称

一种基于自注意力机制的3D物体识别方法和系统

(57)摘要

CN115393841B本发明公开一种基于自注意力机制的3D物体识别方法和系统，涉及3D物体识别的技术领域，包括：获取多视角图及其位置信息；将多视角图输入卷积神经网络，获得特征编码和分类得分；将位置信息和视图无关信息嵌入相应视角图的特征编码中，获得第一嵌入特征编码输入第一自注意力网络模型，输出第一自注意力特征编码；利用分类得分对第一自注意力特征编码采样，嵌入位置信息和视图无关信息，获得第二嵌入特征编码输入第二自注意力网络模型，输出第二自注意力特征编码；基于第一、第二自注意力特征编码构建全局特征描述符用于分类检索，获得识别结果。本发明充分考虑多视角图之间的联

CN115393841B

获取持识别3D物体的多视角图和每张程角图的位置信息

获取持识别3D物体的多视角图和每张程角图的位置信息

将所述待识别3D物体的多视角图输入预训练的卷积神经网络进行

将第一嵌入特征编码验入第一自注意力网络模型，输出第一自注意力特征编码

获得第二嵌入特征编码

意力特征编码

根据全局特征描述符进行分类检索，获得识别3D物体的识别结果

CN115393841B权利要求书1/3页

2

1.一种基于自注意力机制的3D物体识别方法，其特征在于，包括步骤：

S1:获取待识别3D物体的多视角图和每张视角图的位置信息；

S2:将所述待识别3D物体的多视角图输入预训练的卷积神经网络进行分类，获得多视角图的特征编码和分类得分；

S3:将每一张视角图的位置信息结合视图无关信息，嵌入相应视角图的特征编码中，获得第一嵌入特征编码；

S4:将第一嵌入特征编码输入第一自注意力网络模型，输出第一自注意力特征编码；

第一自注意力网络模型包括N个依次连接的自注意网络；每个自注意网络均包括依次连接的第一归一化层、多头注意层、第一残差点、第二归一化层、线性映射层和第二残差点；

第一嵌入特征编码X。输入第一自注意网络，依次经过第一归一化层和多头注意层处理后，与X。在第一残差连接点连接获得中间特征编码X’;X’依次经过第二归一化层和线性映射层处理，与X’在第二残差点连接获得第一自注意网络输出X?;

将第一自注意网络输出X?输入第二自注意网络，按照相同的方法，输出第二自注意网络输出X?,直至经过N个自注意网络的处理；

将第一自注意力网络模型的输出作为第一自注意力特征编码X1ast;

S5:根据所述视角图的分类得分，对第一自注意力特征编码进行采样，获得采样结果；

S6:在所述采样结果中嵌入对应的视角图的位置信息和视图无关信息获得第二嵌入特征编码；

S7:将第二嵌入特征编码输入第二自注意力网络模型，输出第二自注意力特征编码；

S8:根据第一自注意力特征编码和第二自注意力特征编码，构建全局特征描述符；

S9:根据全局特征描述符进行分类检索，获得识别3D物体的识别结果。

2.根据权利要求1所述的基于自注意力机制的3D物体识别方法，其特征在于，所述步骤S1中，获取每张视角图的位置信息的具体方法为：

根据待识别3D物体的多视角图的视角顺序，对每张视角图进行编号；利用正余弦位置编码函数对每张视角图进行编码，将获得的位置编码作为每张视角图位置信息；

所述正余弦位置编码函数为：

P