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！

龙图腾网获悉电子科技大学申请的专利一种基于图卷积神经网络的室内物体零样本检测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：CN115359344B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210989101.0，技术领域涉及：G06V20/00；该发明授权一种基于图卷积神经网络的室内物体零样本检测方法是由刘霖;李良炜;杜晓辉;张静;刘娟秀;郝如茜;王祥舟;刘永设计研发完成，并于2022-08-17向国家知识产权局提交的专利申请。

本一种基于图卷积神经网络的室内物体零样本检测方法在说明书摘要公布了：本发明公开了一种基于图卷积神经网络的室内物体零样本检测方法，该方法主要应用于缺样、少样情况下室内物体检测项目。算法设计了一种U形结构的图卷积神经网络，实现了一种基于中心‑邻域相似度的图网络下采样层。发明中所涉及的算法解决了室内物体检测领域中缺乏目标样本的问题，减少对人工标注的需求，扩大了检测范围，提升了检测效率。

本发明授权一种基于图卷积神经网络的室内物体零样本检测方法在权利要求书中公布了：1.一种基于图卷积神经网络的室内物体零样本检测方法，该方法包括： 步骤1：从大型开源数据集中筛选与室内物体相关类别的图片，制作室内物体数据集，作为训练过程中的不可见类； 步骤2：删除ImageNet数据集中与室内物体相关的类别得到ImageNetD数据集，作为训练过程的可见类；获取ImageNetD数据集中各个类别的词向量和室内物体数据集中各个类别的词向量； 步骤2-1：在Wikipedia上爬取各个类别的文本描述制作基于室内物体语料库，包含1635个类别在内的1635段文本； 步骤2-2：根据语料库构建共现词频矩阵X，矩阵中的每一个元素xij代表单词i和上下文单词j在语料库中特定大小的上下文窗口内共同出现的次数； 步骤2-3：构建词向量和共现词频矩阵X之间的近似关系： 其中，上式的ωi和ωj分别是最终要求解的中心和背景词向量；而bi和bj是两个词向量的偏置项； 步骤2-4：基于AdaGrad梯度下降方法，对矩阵X中的所有非零元素进行随机采样，最小化损失函数获取中心词向量的最优解ωi，学习率为0.05，训练轮次为100： 其中，V代表语料库中单词的类别总数；权重函数fXij的定义为： 步骤3：基于步骤2中获取的词向量以及专家定义的类别间的关系，构建包含ImageNetD和室内物体数据集类别在内的知识图谱G0； 步骤4：使用经过预训练的卷积神经网络在步骤1中ImageNetD数据集上进行微调，取出最后一层分类器的权重 步骤5：构建ZS-GraphUNet图卷积神经网络； 采用一种U形结构的图卷积神经网络，网络的基础模块包括图卷积层、图池化层、图上采样层，输入知识图谱G0，经过一层图卷积层生成G1，G1经图池化层进行下采样得到G11；G11经一层图卷积层得到G21，G21下采样得到G22，G22经过一层图卷积得到G31；G31经过图上采样层得到G32，并恢复到G21的形状，将两者对应节点间的特征相加后得到融合后的特征G42；相同的，G31和G1间执行特征融合得到G43；G43经过一层图卷积层得到目标分类器 步骤6：将步骤3中的室内物体知识图谱G0作为输入，步骤4中分类器的权重作为标签对ZS-GraphUNet图卷积神经网络进行训练； 步骤7：将图像输入到训练好的ZS-GraphUNet模型，模型进行前向传播计算； 步骤8：输出检测结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。