技術(shù)特征：

1.一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，s1中所述的預(yù)處理具體包括：

3.根據(jù)權(quán)利要求1所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，

4.根據(jù)權(quán)利要求3所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，

5.根據(jù)權(quán)利要求3所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，

6.根據(jù)權(quán)利要求3所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，s2.3具體為：

7.根據(jù)權(quán)利要求3所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，所述k的取值由s1中獲取視角圖像的視角數(shù)量確定，具體為：若s1中從12個(gè)不同視角獲取視角圖像，則k取2，若s1中從20個(gè)不同視角獲取視角圖像，則k取3。

8.根據(jù)權(quán)利要求3所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，s2.4包括：

9.根據(jù)權(quán)利要求3所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，s2.6中所述的損失函數(shù)如下：

10.根據(jù)權(quán)利要求1所述的一種基于圖注意力網(wǎng)絡(luò)的3d物體識(shí)別和檢索方法，其特征在于，所述基于所述最終向量確定識(shí)別和檢索結(jié)果，具體包括：

技術(shù)總結(jié)
本發(fā)明涉及3D物體識(shí)別技術(shù)領(lǐng)域，公開(kāi)了一種基于圖注意力網(wǎng)絡(luò)的3D物體識(shí)別和檢索方法，包括：獲取多個(gè)3D物體的多張不同視角圖像和每一張視角圖像對(duì)應(yīng)的標(biāo)簽，基于所述標(biāo)簽對(duì)所有視角圖像進(jìn)行預(yù)處理，獲得數(shù)據(jù)集，將所述數(shù)據(jù)集按比例分為訓(xùn)練集和驗(yàn)證集；構(gòu)建識(shí)別模型，使用所述訓(xùn)練集反向迭代訓(xùn)練所述識(shí)別模型，獲得最優(yōu)的識(shí)別模型，其中，所述識(shí)別模型包括卷積神經(jīng)網(wǎng)絡(luò)、圖注意力網(wǎng)絡(luò)、全局池化模塊和多層感知機(jī)模塊；將待識(shí)別3D物體的多個(gè)不同視角圖像輸入最優(yōu)的識(shí)別模型，獲得最終向量，基于所述最終向量確定識(shí)別和檢索結(jié)果。本發(fā)明能夠減少多視圖的冗余信息，并充分考慮多視角圖之間的聯(lián)系來(lái)提高3D物體識(shí)別的準(zhǔn)確率。

技術(shù)研發(fā)人員：曹江中,林尚生
受保護(hù)的技術(shù)使用者：廣東工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10