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！

龙图腾网获悉江西师范大学申请的专利一种基于多环视图和隐类挖掘的三维模型检索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：CN119441528B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510013952.5，技术领域涉及：G06F16/58；该发明授权一种基于多环视图和隐类挖掘的三维模型检索方法是由曾纪国;黄强;方文成;邬佳乐;夏佳琦;汪辉;杨波设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于多环视图和隐类挖掘的三维模型检索方法在说明书摘要公布了：本发明涉及三维模型检索技术领域，提供一种基于多环视图和隐类挖掘的三维模型检索方法。本发明通过选取数据集，以数据集中的三维模型为中心配置一个虚拟相机，虚拟相机围绕Y轴等角度旋转及再沿着Z轴等距位移并拍摄，共同生成多环视图；多环视图经过多环视图特征学习网络学习处理后，得到三维模型表示；数据集中的草图通过细粒度草图聚类网络处理，将草图的特征与三维模型的特征对齐，得到三维模型检索结果。根据本发明的方案，多环视图特征学习网络的增强技术可以从多个角度捕捉三维模型的特征，以增强模型对三维形状的理解，更准确地识别和匹配草图中的三维模型；并且细粒度草图聚类网络的隐类挖掘技术，进一步提升草图检索三维模型的性能。

本发明授权一种基于多环视图和隐类挖掘的三维模型检索方法在权利要求书中公布了：1.一种基于多环视图和隐类挖掘的三维模型检索方法，其特征在于，包括以下步骤： 步骤S1：选取数据集，数据集包括若干个三维模型和草图；利用三维图像软件，以数据集中的每个三维模型为中心配置一个虚拟相机，虚拟相机围绕Y轴等角度旋转并拍摄，在每个角度的虚拟相机再沿着Z轴等距离位移并拍摄，共同生成多环视图；具体为： 步骤S101：数据集选取SHREC'13草图三维模型检索数据集，SHREC'13草图三维模型检索数据集包括草图数据子集和三维模型数据子集； 步骤S102：使用三维图形软件Blender构造矩形空背景模型，并配置一个虚拟相机，选择矩形空背景模型的中心点为中心，矩形空背景模型的立方体边缘设置光源，对三维模型定义一个以三维模型为中心的虚拟球体，虚拟相机围绕Y轴等角度旋转并拍摄，在每个角度的虚拟相机再沿着Z轴等距离位移并拍摄，共同生成多环视图；设定虚拟相机的坐标为： ；；； 式中，X为虚拟相机在x轴的坐标；r为虚拟球体的半径；为虚拟相机相对于x轴的角度；Y为虚拟相机在y轴的坐标；Z为虚拟相机在z轴的坐标；Z0为虚拟相机在z轴上的位置； 步骤S2：多环视图经过多环视图特征学习网络学习处理后，得到三维模型表示；具体为： 步骤S201：第一ResNet-50为骨干网络的特征提取模块、基于Transformer架构的多环视图特征编码器块和双层的多层感知器组成多环视图特征学习网络；将多环视图输入多环视图特征学习网络中，每个环的多环视图独立通过第一ResNet-50为骨干网络的特征提取模块，捕获每个环的多环视图的单个视角的高级特征，然后将每个环的多环视图的单个视角的高级特征通过归一化层处理； 步骤S202：将归一化层处理后的每个环的多环视图的单个视角的高级特征通过平均池化，以融合不同视角的信息形成一个融合特征；再将融合特征输入基于Transformer架构的多环视图特征编码器块中，利用多头自注意力和空间交叉注意力机制进一步提炼和融合融合特征，将融合特征的图像特征转换为序列化的形式，得到三维模型的特征向量； 步骤S203：经过若干个基于Transformer架构的多环视图特征编码器块的处理后，三维模型的特征向量进行最大池化整合，得到三维模型的统一特征向量并进一步增强特征的表达能力；最后将三维模型的统一特征向量输入双层的多层感知器进行类别预测，最终得到三维模型的输出类别，作为细粒度类别中心； 其中，双层的多层感知器由第一输入层、隐藏层和第二输出层组成，第一输入层、隐藏层和第二输出层的各层之间通过权重连接，并通过非线性激活函数学习三维模型的统一特征向量的非线性特征； 步骤S3：在三维模型表示的指导下，数据集中的草图通过细粒度草图聚类网络跨模态学习草图和三维模型的共同特征，将草图的特征与三维模型的特征对齐，得到三维模型检索结果；具体为： 步骤S301：第二ResNet-50为骨干网络的特征提取模块、全连接分类器和双层的多层感知器组成细粒度草图聚类网络；将三维模型表示和草图数据子集输入细粒度草图聚类网络中，草图数据子集中的每个草图通过第二ResNet-50为骨干网络的特征提取模块，获得草图的特征向量； 步骤S302：草图的特征向量依次进入全连接分类器分类和双层的多层感知器，再进行欧几里得范数归一化，然后通过最小化相关性损失函数，将草图的特征向量与三维模型的统一特征向量在细粒度类别中心进行对齐，得到三维模型检索结果。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。