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！

龙图腾网获悉南昌大学申请的专利多尺度特征提取分类的弱监督点云语义分割方法及系统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：CN120259674B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510735258.4，技术领域涉及：G06V10/26；该发明授权多尺度特征提取分类的弱监督点云语义分割方法及系统是由闵卫东;陈铭;韩清设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本多尺度特征提取分类的弱监督点云语义分割方法及系统在说明书摘要公布了：本申请公开了多尺度特征提取分类的弱监督点云语义分割方法及系统，属于深度学习领域，包括：获取目标点云数据；根据预设的ERFA模块对目标点云数据进行特征提取、聚合处理，以生成多个维度不相同的特征图；分别对每个维度不相同的特征图进行查询、插值处理，对应获取每个特征图对应的语义特征后进行特征拼接处理，以生成目标语义特征；根据预设的多尺度分类策略和局部对比正则化策略对预设的初始预测网络模型进行训练，以获取目标预测网络模型，生成分类结果。本发明以ERFA模块为核心，实现了对局部区域特征的扩张与增强，并结合多尺度分类和局部对比正则化策略，充分利用稀疏标注数据中的语义信息，提高了分类的准确性和精度。

本发明授权多尺度特征提取分类的弱监督点云语义分割方法及系统在权利要求书中公布了：1.多尺度特征提取分类的弱监督点云语义分割方法，其特征在于，包括： 获取并预处理原始点云数据，以生成目标点云数据，所述目标点云数据由点云的数量、位置特征和语义特征组成； 根据预设的ERFA模块对所述目标点云数据进行特征提取、特征聚合处理，以生成多个维度不相同的特征图，其中，所述预设的ERFA模块内部具体包括：第一共享MLP层、第二共享MLP层、第三共享MLP层、扩张特征提取层、激活函数层，其中，所述第二共享MLP层、所述扩张特征提取层、所述第三共享MLP层、所述激活函数层从左至右依次串行连接，所述第一共享MLP层与所述第二共享MLP层、所述扩张特征提取层、所述第三共享MLP层、所述激活函数层并行连接； 分别对每个所述维度不相同的特征图进行查询、插值处理，对应获取每个所述特征图对应的语义特征后进行特征拼接处理，以生成目标语义特征，其中，所述扩张特征提取层用于获取聚合特征，具体步骤，包括：对输入的点云特征进行处理，获取点云数量为1，位置特征为3维，语义特征为d维的点云特征；对所述点云数量为1，位置特征为3维，语义特征为d维的点云特征进行拆分，获取点云数量为1、位置特征为3维、语义特征为0维的点云特征以及点云数量为1、位置特征为0维，语义特征为d维的点云特征；分别对所述点云数量为1、位置特征为3维、语义特征为0维的点云特征以及所述点云数量为1、位置特征为0维，语义特征为d维的点云特征进行第一KNN处理，对应获取点云数量为k1，位置特征为3维，语义特征为0维的点云特征和点云数量为k1，位置特征为0维，语义特征为d维的点云特征；对所述点云数量为k1，位置特征为3维，语义特征为0维的点云特征进行位置编码处理，以获取点云数量为k1，位置特征为d维的位置编码特征；对所述点云数量为1，位置特征为3维，语义特征为d维的点云特征进行第二KNN处理，以获取点云数量为k2，位置特征为3维，语义特征为d维的点云特征，其中，第一KNN处理与第二KNN处理时聚焦尺度不同；对所述点云数量为k2，位置特征为3维，语义特征为d维的点云特征进行拆分，得到点云数量为k2，位置特征为3维，语义特征为0维的点云特征和点云数量为k2，位置特征为0维，语义特征为d维的点云特征；对所述点云数量为k2，位置特征为3维，语义特征为0维的点云特征进行位置编码处理，以获取点云数量为k2，位置特征为d维的位置编码特征；将所述点云数量为k2，位置特征为d维的位置编码特征与所述点云数量为k1，位置特征为d维的位置编码特征进行特征拼接处理后进行注意力池化处理，以获取增强后的位置编码特征；将所述点云数量为k1，位置特征为0维，语义特征为d维的点云特征与所述点云数量为k2，位置特征为0维，语义特征为d维的点云特征进行特征拼接处理后进行注意力池化处理，以获取增强后的点云特征，其中，增强后的点云特征的数学表达式为： ； 其中，表示点云数量为k1，位置特征为0维，语义特征为d维的点云特征，表示点云数量为k2，位置特征为0维，语义特征为d维的点云特征；将所述增强后的位置编码特征与所述增强后的点云特征进行特征拼接处理，以获取聚合特征，其中，聚合特征的数学表达式为： ； 其中，表示增强后的位置编码特征；根据预设的多尺度分类策略和局部对比正则化策略对预设的初始预测网络模型进行训练，以获取目标预测网络模型； 将所述目标语义特征作为训练信号输入至所述目标预测网络模型中进行处理，以生成分类结果。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩区学府大道999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。