基于特征级图描述符和图卷积网络的CAD模型分类方法

本发明公开了一种基于特征级图描述符和图卷积网络的CAD模型分类方法，本发明提取CAD模型的特征与特征之间的依赖关系，转换为特征依赖图，进一步转化阵列特征，细化结构，生成特征级图描述符以表征三维CAD模型；本发明提出的基于特征级图描述符和图卷积网络的模型分类方法，引入跳跃连接网络和基于边收缩的层次化池化机制，构建图卷积网络的分类模型，边收缩的池化机制通过逐步聚合图中节点信息，关注局部关键结构，跳跃连接网络聚合多个中间图表示强化图表示学习，以提升分类效果。本发明实现对CAD模型的准确分类且分类准确率高于现有表现较佳的其他三维模型分类方法，推广了结构化描述与图卷积网络在CAD模型分类问题上的应用。

《基于特征级图描述符和图卷积网络的CAD模型分类方法》是一发明专利，专利号为 2022106786968，当前法律状态为已下证，由杭州电子科技大学提出申请，发明人为秦飞巍;曹磊;邵艳利;詹高扬，申请日期为2022-06-15，公开（公告）日期为2025-07-29，国际专利分类号（IPC）为 G06V 10/764 (2022.01)，所属技术领域包括：CAD模型复用深度学习计算机图形学三维重建技术三维CAD模型VRAR产品设计开发基于神经网络三维模型检索方法。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于特征级图描述符和图卷积网络的CAD模型分类方法，本发明提取CAD模型的特征与特征之间的依赖关系，转换为特征依赖图，进一步转化阵列特征，细化结构，生成特征级图描述符以表征三维CAD模型；本发明提出的基于特征级图描述符和图卷积网络的模型分类方法，引入跳跃连接网络和基于边收缩的层次化池化机制，构建图卷积网络的分类模型，边收缩的池化机制通过逐步聚合图中节点信息，关注局部关键结构，跳跃连接网络聚合多个中间图表示强化图表示学习，以提升分类效果。本发明实现对CAD模型的准确分类且分类准确率高于现有表现较佳的其他三维模型分类方法，推广了结构化描述与图卷积网络在CAD模型分类问题上的应用。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！