[发明专利]一种基于自注意力机制的3D物体识别方法和系统

权利要求书

1.一种基于自注意力机制的3D物体识别方法，其特征在于，包括

S1：获取待识别3D物体的多视角图和每张视角图的位置信息；

S2：将所述待识别3D物体的多视角图输入预训练的卷积神经网络进行分类，获得多视角图的特征编码和分类得分；

S3：将每一张视角图的位置信息结合视图无关信息，嵌入相应视角图的特征编码中，获得第一嵌入特征编码；

S4：将第一嵌入特征编码输入第一自注意力网络模型，输出第一自注意力特征编码；

S5：根据所述视角图的分类得分，对第一自注意力特征编码进行采样，获得采样结果；

S6：在所述采样结果中嵌入对应的视角图的位置信息和视图无关信息获得第二嵌入特征编码；

S7：将第二嵌入特征编码输入第二自注意力网络模型，输出第二自注意力特征编码；

S8：根据第一自注意力特征编码和第二自注意力特征编码，构建全局特征描述符；

S9：根据全局特征描述符进行分类检索，获得识别3D物体的识别结果。

2.根据权利要求1所述的基于自注意力机制的3D物体识别方法，其特征在于，所述步骤S1中，获取每张视角图的位置信息的具体方法为：

根据待识别3D物体的多视角图的视角顺序，对每张视角图进行编号；利用正余弦位置编码函数对每张视角图进行编码，将获得的位置编码作为每张视角图位置信息；

所述正余弦位置编码函数为：

PE_(pos，2i)＝sin(pos/10000^2i/d)

PE_(pos，2i+1)＝cos(pos/10000^2i+1/d)

式中，pos表示视角图的顺序编号，pos＝1，2，…，n，n表示多视角图的数量；d表示位置编码的特征向量长度；i表示位置编码的特征向量中的第i个元素，偶数位用sin编码，奇数位用cos编码，则PE_(pos，2i)表示第pos张视角图偶数位的位置编码值，PE_(pos，2i+1)表示第pos张视角图奇数位的位置编码值，根据PE_(pos，2i)和PE_(pos，2i+1)组成第pos张视角图的位置编码E_pos，作为该视角图的位置信息。

3.根据权利要求2所述的基于自注意力机制的3D物体识别方法，其特征在于，所述步骤S2中，预训练的卷积神经网络为VggNet网络；将所述待识别3D物体的多视角图输入预训练的VggNet网络，输出多视角图的特征编码F＝[f₁，f₂，…，f_n]和分类得分，f_n表示第n张视角图的特征编码。

4.根据权利要求3所述的基于自注意力机制的3D物体识别方法，其特征在于，所述步骤S3中，获得第一嵌入特征编码的具体方法为：

设置视图无关信息[class]token，视图无关信息[class]token是一个可学习向量，维度与视角图的特征编码的维度相同；则第一嵌入特征编码为：

X₀＝[f_[class]，f₁，f₂，…，f_n]+E_pos

式中，X₀表示第一嵌入特征编码，f_[class]表示视图无关信息的第一特征编码。