基于改进MVCNN的IFC构件分类识别审查方法

作     者：王茹 胡芸浩 黄炜 赵俊浩 WANG Ru;HU Yunhao;HUANG Wei;ZHAO Junhao

作者机构：西安建筑科技大学土木工程学院陕西西安710055 结构工程与抗震教育部重点实验室陕西西安710055 

出 版 物：《湖南大学学报（自然科学版）》 (Journal of Hunan University:Natural Sciences)

年 卷 期：2023年第50卷第11期

页      面：216-223页

核心收录：

学科分类：081302[工学-建筑设计及其理论] 08[工学] 081304[工学-建筑技术科学] 0813[工学-建筑学] 

基　　金：国家自然科学基金资助项目(51978566) 陕西省重点研发计划项目(2020ZDLNY06-04) 

主　　题：IFC构件 分类识别 多视图卷积神经网络 深度学习 审查 

摘      要：为实现IFC构件精确、高效分类,提出一种改进的多视图卷积神经网络(Multiview Convolutional Neural Network,MVCNN)模型,该模型引入了自注意力模块和长短期记忆(LongShort-termMemory,LSTM)网络,针对MVCNN模型特征融合的局限性,设计了LSTM_ATT模块;通过对各视图数据特征关系的自适应调整,并结合注意力权重对输入的各视图数据进行融合,得到一个更具辨识性的3D形状描述符,从而提高模型对各相似IFC构件的分类检测性能.使用IFCNet数据集对建筑领域20个主要类别的IFC构件进行训练并在测试集上对改进MVCNN模型与MVCNN模型进行实验对比.实验结果表明,改进模型的分类准确率和F1值分别达到了88.27%、86.72%,相比改进前准确率提高了9.46%,对相似构件之间的分类识别效果明显.