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异构图神经网络的三维模型特征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：CN120411954B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510915321.2，技术领域涉及：G06V20/64；该发明授权一种基于异构图神经网络的三维模型特征识别方法是由张杰;李伟博;唐文斌;余剑峰;王诚诚;谢景波;郑杰夫设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本一种基于异构图神经网络的三维模型特征识别方法在说明书摘要公布了：本申请提出一种基于异构图神经网络的三维模型特征识别方法，属于计算机辅助制造技术领域。包括以下步骤：选取带有特征标签的三维模型数据库；分别依次获取每个三维模型的拓扑集、几何信息集和规范化几何信息集，并分别对每个规范化几何信息进行几何特征提取，得到对应的几何映射特征集；构建初始异构图神经网络，利用所有几何映射特征集将三维模型数据库中所有三维模型的数据划分为训练集、验证集和测试集，并依次对初始异构图神经网络进行训练、验证和测试，得到最终异构图神经网络；利用最终异构图神经网络对三维模型进行特征识别。本申请能够有效提高对复杂三维模型的特征识别能力和识别准确率。

本发明授权一种基于异构图神经网络的三维模型特征识别方法在权利要求书中公布了：1.一种基于异构图神经网络的三维模型特征识别方法，其特征在于，该方法包括以下步骤： 选取带有特征标签的三维模型数据库，所述三维模型数据库包含多个三维模型； 分别获取每个所述三维模型包含的所有拓扑信息，共同构成所述三维模型数据库的所有拓扑集合，利用所有所述拓扑集合构建三维模型异构图，包括： 分别遍历每个所述三维模型的所有表面，并将得到的每个所述三维模型的所有面节点拓扑信息，共同组成所述三维模型数据库的面节点拓扑集合； 分别确定每个所述三维模型的所有所述表面与其他所有所述三维模型的所有所述表面之间的邻接关系，并将得到的每个所述三维模型的所有邻接边拓扑信息，共同组成所述三维模型数据库的邻接边拓扑集合； 分别遍历每个所述三维模型的所有所述顶点，并将得到的每个所述三维模型的所有顶点节点拓扑信息，共同组成所述三维模型数据库的顶点节点拓扑集合； 分别确定每个所述三维模型的所有所述顶点与所有所述表面之间的从属关系，并将得到的每个所述三维模型的所有从属边拓扑信息，共同组成所述三维模型数据库的从属边拓扑集合； 利用所述面节点拓扑集合、所述邻接边拓扑集合、所述顶点节点拓扑集合和所述从属边拓扑集合构建所述三维模型异构图； 利用点云采样方法，分别获取所述三维模型异构图中每个所述拓扑集合对应的几何信息集，并分别对每个所述几何信息集中所有几何信息进行规范化处理，得到每个所述几何信息对应的规范化几何信息； 构建特征提取网络，利用所述特征提取网络分别对每个所述规范化几何信息进行几何特征提取，得到每个所述规范化几何信息对应的几何映射特征集； 构建初始异构图神经网络，利用所有所述几何映射特征集将所述三维模型数据库中所有所述三维模型的数据划分为训练集、验证集和测试集，并依次对所述初始异构图神经网络进行训练、验证和测试，得到最终异构图神经网络； 所述初始异构图神经网络包括： 关系卷积层，所述关系卷积层采用双分支图卷积算子，所述关系卷积层包括双层卷积层，第一层卷积层的输入端为所述关系卷积层的输入端，第二层卷积层的输出端为所述关系卷积层的输出端，所述第一层卷积层的输入端与所述特征提取网络的输出端连接； 随机丢弃层，所述随机丢弃层的输入端与所述第一层卷积层的输出端连接；所述随机丢弃层的输出端与所述第二层卷积层的输入端连接； 其中，利用所述双分支图卷积算子将所述第二层卷积层的输出端输出的特征向量沿对应的所述初始通道进行双路特征向量聚合操作，并将得到的所有聚合特征向量均输入至多层感知机中，分别得到每个所述三维模型的语义类别的概率分布； 利用所述最终异构图神经网络对所述三维模型进行特征识别。

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：710072 陕西省西安市碑林区友谊西路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。