检索结果-南通市图书馆

湖南大学学报（自然科学版） 2023年第11期50卷 216-223页

作者：王茹胡芸浩黄炜赵俊浩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

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LS... 详细信息

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.

关键词： IFC构件分类识别多视图卷积神经网络深度学习审查

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于隐式描述符的三维模型对应关系计算

引用

计算机工程 2022年第5期48卷 229-234页

作者： HAYTHEM Alhag 杨军兰州交通大学电子与信息工程学院兰州730070

三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时,低层次几何信息描述符所提取的特征将不足,从而使得对应关系计算结果准确率不高。为此,提出一种通过引入先验... 详细信息

三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时,低层次几何信息描述符所提取的特征将不足,从而使得对应关系计算结果准确率不高。为此,提出一种通过引入先验知识来完成三维模型对应关系计算的方法。利用深度学习网络模仿人类计算先验知识,以对模型各部分之间的几何相似性进行编码,解决模型在各部分发生显著变化时无法应用低层次几何信息计算模型间对应关系的问题。使用多视图卷积神经网络对模型各部分相应的视图进行预分割并标记,根据模型对应表面点之间的相似度隐式地计算数据驱动描述符,在数据驱动描述符的指导下计算最终的三维模型对应关系。实验结果表明,相较基于先验知识的计算方法,该方法能提高三维模型对应关系计算结果的准确率,且可有效降低测地误差。

关键词：三维模型对应关系多视图卷积神经网络数据驱动描述符先验知识

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于MV-PearlNet的珍珠细粒度分类方法

引用

小型微型计算机系统 2021年第1期42卷 185-190页

作者：钱涛熊晖陈晋音浙江工业大学信息工程学院杭州310023

提出多视图卷积神经网络模型MV-PearlNet,替代人工进行细粒度珍珠分类.该模型采用并行化处理方式,针对珍珠的多个视角图片提取特征,可提升珍珠图片的特征提取效果,并且采用中间层特征融合作为珍珠的特征表达.在训练集数据量有限的情况下... 详细信息

提出多视图卷积神经网络模型MV-PearlNet,替代人工进行细粒度珍珠分类.该模型采用并行化处理方式,针对珍珠的多个视角图片提取特征,可提升珍珠图片的特征提取效果,并且采用中间层特征融合作为珍珠的特征表达.在训练集数据量有限的情况下,通过MV-PearlNet结合K-means方法,将无监督聚类算法应用到提取得到的特征中,并利用相似度计算完成自动类标学习,这些操作起到了扩充数据集的作用,有助于改善深度分类模型因为训练集不足导致的欠拟合问题,可提高模型的分类准确率.实验结果表明,相比于主流卷积神经网络模型,MV-PearlNet对珍珠细粒度图片的分类准确率有明显的提高.

关键词：珍珠分类多视图卷积神经网络无监督聚类算法主动类标学习特征融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

模拟形状对应的先验知识：知识驱动的方法研究

模拟形状对应的先验知识：知识驱动的方法研究

引用

作者： Haythem Alhag 兰州交通大学

学位级别：硕士

随着结构光扫描仪和飞行时间相机等三维形状采集设备的出现,三维模型变得越来越普遍。三维模型的普遍性以及它们所能表现的形式的多样性吸引了研究人员对其进行研究。目前许多重要的形状分析任务都可以通过操纵三维形状来完成,其中最重... 详细信息

随着结构光扫描仪和飞行时间相机等三维形状采集设备的出现,三维模型变得越来越普遍。三维模型的普遍性以及它们所能表现的形式的多样性吸引了研究人员对其进行研究。目前许多重要的形状分析任务都可以通过操纵三维形状来完成,其中最重要的是三维形状对应任务。在处理三维模型时,一个中心概念是描述符概念。现有的描述方法大多试图用三维模型的几何特性来描述三维模型。根据三维模型的几何特性表示三维模型有助于完成许多任务。传统上,两个输入的三维形状之间的刚性对齐,或者两个形状中精心选择的点之间的特征匹配,足以解决计算有意义的形状对应的问题,但是目前的应用前景已经被提上了一个新的高度,刚性对齐和特征匹配方法已经不能满足需要。文献中用描述符表征的几何特征有平均测地线距离(AGD)、曲率(平均曲率、高斯曲率等)和自旋图像,这些特征被认为是低层特征;利用一种称为特征袋(Bo F)的技术,从这些低层次特征中提取了中层特征。一般来说,三维图形的描述符分为手工绘制和数据驱动的描述符。从名称中可以很明显地看出,手工编制的描述符是通过人类参与设计的,而数据驱动的描述符是在没有人类参与的情况下设计的(有些描述符是在尽可能少的人类干预下设计的,仍然被认为是手工编制的);因此,很难区分手工编写的描述符和数据驱动的描述符。最近流行的数据驱动描述符是通过深度学习网络体系结构来学习的。根据学习类型的不同,学习算法可分为:1.监督学习算法;在这种情况下,监督主要是通过提供类别标签来完成的;例如,当训练一个系统进行分类时,训练系统的数据将被提供它们的类标签。还可以提供一组已知的通信来实现监控。2.无监督学习算法;在这种情况下,不提供任何监督。该算法被输入数据,并由自己的方法来学习底层模型。聚类是无监督学习的一个著名例子。标记数据的稀缺性和未标记数据的丰富性使得无监督学习成为一种合适的方法。3.一种半监督学习算法,在这种类型的学习中,监督是以少量标记数据的形式提供的,而其余的数据是未标记的。当只有一部分训练数据拥有它的类信息时,这种类型的学习就很方便了。与手工和数据驱动的描述符一样,要在这三种类型的学习之间划清界限并不容易,因为有许多算法可以通过多种方式教授。因此,有时算法是根据其体系结构而不是学习类型来分类的。根据学习算法的体系结构,将其分为两大类:深度学习算法和浅层学习算法;到目前为止,文献中引入的许多数据驱动描述符都是使用浅层结构学习的。浅层学习模型的计算层次不多,需要大量的训练样本。另一方面,深度学习模式具有简单的功能,可以在多个层次上进行传播。深度学习算法利用有监督、半监督或无监督学习来学习多个层次的特征表示。这类算法通常被实现为一种人工神经网络(ANNs),它由许多节点/神经元组成,每个节点/神经元都是一个简单的计算块。深度学习算法是有效的,因为他们更喜欢捕捉层次表示,而不是被喂养预定义的特征。这些特性不是由程序员设计或手工制作的,而是由深层结构从输入数据中自动提取出来的。能够学习高级(抽象)特征,可以用来处理不同类型的不变性,是深度学习网络的一个关键特性。深度学习的概念可以追溯到20世纪40年代,在当时更为人熟知的是控制论,但直到2006年才蓬勃发展起来。在最早的深度学习网络体系结构中,有一种叫做完全连接网络(fully connected network,FCN)。人工神经网络(ANNs)的一个变种,称为卷积神经网络(CNNs),已经证明了它比其他深度学习网络结构的优越性。以前用于三维形状匹配、分割、分类等的深度学习体系结构也越来越普遍。据估计,目前约有5000名深度学习专家空缺。在导出三维形状之间有意义的对应关系时遇到的一个长期问题是,仅依赖于所涉及形状的几何特性。三维形状完全是关于几何的,实际上,只要利用形状对应关系的应用程序需要一个仅在几何相似性方面有意义的对应关系,并且计算对应关系的两个形状恰好满足这样的假设,即具有可预期的初始姿势,近似等距部分、易于估计的几何相似性等,仅依靠几何就可以得出合理的解。但是,当涉及到满足应用程序的要求,即使用在语义相似性方面有意义的对应关系时,仅凭几何学是不够的。特别是,低层次的几何线索,丰富的三维形状,是不够的特点组成形状的部分表现出明显的变化,在几何方面,结构在整个形状,有时甚至拓扑结构。此外,为了使低层次的几何线索能够得到合理的解,上述假设有时是必不可少的。即使充分利用了大量可用的几何信息(通过描述符),识别与特定形状分析任务最相关的特征的问题仍然是一个挑战,可能仍然需要专家人员的干预。选择的特征需要与特定的形状分析任务(如形状对应任务)最相关,这是因为其他特征也可能被发现相关,但如果进行测试,可能会导致较低质量的对应和计算效率低下的实现。因此,为什么语义形状分析的解决方案,着眼于超越低层次的几何线索已诉诸解决形状对应问题的理由

关键词：先验知识多视图卷积神经网络数据驱动的描述符模拟形状对应

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

BIM模型一致性检查及构件智能化识别研究

BIM模型一致性检查及构件智能化识别研究

引用

作者：胡芸浩西安建筑科技大学

学位级别：硕士

建筑工程领域正面临着信息数字化及全生命周期碳排放管理等改革要求,重点强调在项目各阶段数字化交底验收时交付物满足可交互性及协调性,并进一步形成全生命周期信息流闭环,在此过程中,BIM模型发挥着关键的支撑作用。现有的建筑数字化... 详细信息

建筑工程领域正面临着信息数字化及全生命周期碳排放管理等改革要求,重点强调在项目各阶段数字化交底验收时交付物满足可交互性及协调性,并进一步形成全生命周期信息流闭环,在此过程中,BIM模型发挥着关键的支撑作用。现有的建筑数字化领域软件以IFC作为开放数据交换格式,然而IFC构件在导出过程中时常被错误分类,这对BIM模型的分析及合规性审查的准确性造成干扰。因此,本文以BIM模型中IFC类别信息为研究对象,结合建筑工程领域合规性研究现状与BIM应用过程中信息交付问题,将基于多视图卷积神经网络(MVCNN)的分类识别算法应用于BIM模型一致性检查,并针对构件智能化分类识别展开了深入研究,主要研究工作如下:(1)设计了一种BIM模型一致性检查方案,以减少交互过程中的信息歧义,使BIM信息在全周期无缝交换,确保IFC语义体系准确性。通过建立BIM图元视图采集子模块、图像类别检查子模块,完善BIM模型一致性检查流程。同时对BIM图元视图采集子模块的核心方法进行探索,利用Dynamo、Blender等技术手段实现BIM图元的批量提取以及自动多视图图像生成,完善自动化视图采集流程。(2)提出了一种基于改进多视图卷积神经网络的IFC构件分类识别模型,该模型引入了自注意力模块和长短期记忆网络,针对多视图卷积神经网络模型特征融合的局限性,设计了LSTM＿ATT模块。此模块对输入的各视图数据进行融合可得到辨识性明确的3D形状描述符,有助于提高各相似IFC构件的分类检测性能。(3)针对建筑工程领域常用的20种构件类别,验证基于改进多视图卷积神经网络的构件智能化识别方法的分类效果。该模型在验证集上总体准确率达到了88.27%,相比原多视图卷积神经网络提升了9.46%。结果表明本文所提出的方法能够显著提升BIM模型一致性检查任务的工作效率。(4)与传统多视图卷积神经网络模型相比,改进后的多视图卷积神经网络模型对有效信息捕捉的单位数量得到显著提升,有助于提高建筑工程领域中不易区分的IFC构件的分类识别效率。其得益于对模型子类信息的精确优化,通过对子类信息的补充实现了BIM语义丰富,满足了BIM应用过程中泛专业信息的需求。

关键词： BIM模型一致性检查 IFC构件分类识别多视图卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：