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！

龙图腾网获悉西北工业大学申请的专利一种基于深度学习的点云显著目标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：CN119323670B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411445595.1，技术领域涉及：G06V10/25；该发明授权一种基于深度学习的点云显著目标识别方法是由惠乐;戴玉超;刘奇;王晨;张力源设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种基于深度学习的点云显著目标识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的点云显著目标识别方法，涉及点云显著目标识别技术领域，其技术要点包括：1对训练数据进行预处理，包括点云坐标的归一化，加入噪声点；2对点云进行体素化并获得稀疏体素数据。3构建一个稀疏卷积U形神经网络模型；4利用基于距离信息加权的改进型DiceLoss和Cross‑EntropyLoss构建网络的损失函数；5通过训练数据集对构建的网络进行训练；6用训练好的网络预测测试数据集中的显著目标。本发明是一种优化点云显著目标边缘的方法，可以有效解决目前点云中显著目标识别任务中存在的边缘模糊问题，快速精准识别分割出点云中的显著目标，有效提升了点云显著目标的分割精度及效率。

本发明授权一种基于深度学习的点云显著目标识别方法在权利要求书中公布了：1.一种基于深度学习的点云显著目标识别方法，其特征在于，包括以下步骤： （1）从点云公开数据集中获取原始点云数据及目标区域的人工标注结果，构建训练数据集和测试数据集； （2）对获取的数据进行预处理，包括点云坐标归一化、加入噪声点； （3）对点云进行体素化并获得稀疏体素数据； （4）构建网络：构建一个稀疏卷积U形神经网络模型，该网络能定位出显著目标所在的位置并进行目标和背景的分割； （5）构建损失函数：结合改进的DiceLoss与Cross-EntropyLoss构建网络损失函数： 使用Cross-EntropyLoss对模型输出的点级别类别预测进行监督，使用改进的DiceLoss对模型输出的点级别掩码进行监督，其中改进的DiceLoss是根据点到最近目标点的距离计算权重，增大目标边缘周围点的权重； （6）模型训练：将训练数据集输入至步骤（4）中的U形神经网络模型，采用步骤（5）中构建的损失函数进行监督训练，直至损失函数值收敛； （7）模型推理：将步骤（1）中的测试数据数据集依次输入至步骤（6）中训练好的U形神经网络进行推理，得到显著目标识别的结果； 所述步骤（4）具体实现如下： 所述稀疏卷积U形神经网络模型一共包含5层，在每个层级该网络包含编码器层、跳跃连接层、解码器层，同时网络最前端包含一个初始输入卷积层，最末端包含一个归一化层、激活层、全连接层； 在每个编码器层均有n个残差块和一个下采样卷积层组成，残差块包括批归一化层，激活层，和大小为3*3*3的卷积层，其中残差块的个数n设置为2； 解码器层均包含一个上采样反卷积和n个残差块组成，残差块包括批归一化层，激活层，和大小为3*3*3的卷积层，其中残差块的个数n设置为2，在整个U形神经网络中，第1个解码器中反卷积层的输入是第5个编码器的输出，其余解码器的输入均是其上一个解码器的输出； 跳跃连接从编码器的每一层输出获得的特征与其相应层解码器上采样结果拼接在一起。

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北工业大学，其通讯地址为：710068 陕西省西安市友谊西路127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。