一种基于融合Transformer网络的轻量级多阶段点云分类方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于融合Transformer网络的轻量级多阶段点云分类方法,包括:构建原始点嵌入模块,局部特征提取,全局特征聚合和多阶段学习。本发明网络由高效特征聚合分支和Transformer分支组成,高效特征聚合分支配备可学习的位置编码,能充分捕获大多数点云分类网络经常忽视的位置信息。Transformer分支将具有相似特征的采样点聚类,实现捕获长程依赖与计算复杂性之间的平衡。同时,在原始点嵌入中引入了挤压‑激励模块,以增强点云特征的表示并提升后续点云学习性能。采用四阶段学习策略,有效增强了网络对点云的理解能力。大量实验证明,本发明在保持较低参数数量的同时,能够实现出色的分类性能。
《一种基于融合Transformer网络的轻量级多阶段点云分类方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024110574379,当前法律状态为已下证,由河海大学提出申请,发明人为陈焱明;夏家康;李国立;沈月千;蔡欣宇;陈瑶;邹新灿;崔越;尹昌贵;姜淼森,申请日期为2024-08-02,公开(公告)日期为2025-05-30,国际专利分类号(IPC)为 G06V 10/764 (2022.01),高新资质:未报高企。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融合Transformer网络的轻量级多阶段点云分类方法,包括:构建原始点嵌入模块,局部特征提取,全局特征聚合和多阶段学习。本发明网络由高效特征聚合分支和Transformer分支组成,高效特征聚合分支配备可学习的位置编码,能充分捕获大多数点云分类网络经常忽视的位置信息。Transformer分支将具有相似特征的采样点聚类,实现捕获长程依赖与计算复杂性之间的平衡。同时,在原始点嵌入中引入了挤压‑激励模块,以增强点云特征的表示并提升后续点云学习性能。采用四阶段学习策略,有效增强了网络对点云的理解能力。大量实验证明,本发明在保持较低参数数量的同时,能够实现出色的分类性能。
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!
