检索结果-南通市图书馆

检索条件"主题词=3D神经网络"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于3d神经网络的BIM元素智能分类方法研究

基于3D神经网络的BIM元素智能分类方法研究

引用

作者：李致远华北水利水电大学

学位级别：硕士

BIM技术的蓬勃发展,推动着越来越多面向不同领域的BIM专业软件不断问世。不同BIM软件间数据的流畅交互,方能打破信息壁垒,节约沟通成本,彻底挖掘数据中的信息,进而充分发挥BIM技术的优势。为此,诞生了IFC标准,它提供了丰富的语义表示方... 详细信息

BIM技术的蓬勃发展,推动着越来越多面向不同领域的BIM专业软件不断问世。不同BIM软件间数据的流畅交互,方能打破信息壁垒,节约沟通成本,彻底挖掘数据中的信息,进而充分发挥BIM技术的优势。为此,诞生了IFC标准,它提供了丰富的语义表示方式,可用于交换语义实体和关系数据。获取BIM模型中元素的各类属性和关系等详细信息,有利于发挥专业软件的设计功能,这对IFC信息的广度和精度提出相应的要求。比如,在能耗分析中,依据BIM元素的子类,确定构件的工作方式,通过精确模拟,实现节能设计。在提取建筑元素完成几何形状并划分子类后,软件能完成结构分析外的多种模拟分析,实现基于代码的建筑合规范性审查。然而,有些IFC数据元素存在分类错误甚至不包含BIM元素子类信息,需要由人工进行划分,而这一过程同样不能确保百分百正确,可能出现遗漏。因此,本文采用神经网络分类方法,实现了BIM元素数据自动获取和智能分类,主要研究内容如下:（1）提出了一种由BIM模型自动生成点云、多视角图像的方法。结合dynamo软件,将BIM元素的三维模型以obj格式文件导出。以obj文件以基石,综合应用PCL、Python、Matlab等多种工具,自动生成了点云和多视角图像数据。相较于在Blender软件内人工建模生成点云和多视角图像的传统方法,本问所提方法充分利用了既有BIM模型,避免了重复建模的枯燥过程,契合一模到底的BIM应用理念,提高了BIM应用效率。（2）建立了一种基于3d神经网络的BIM元素智能分类方法。基于Matlab自编软件和dynamo可视化编程工具,综合应用Visual Basic和bat等工具,实现了BIM元素数据智能转化为神经网络可以识别的数据格式。在其基础上先进行预处理,并以7:3的比例将所有数据分为训练集和测试集,输入3d神经网络模型实施训练,进而实现BIM元素智能分类。（3）以建筑结构BIM中常见的门和墙为例,检验了基于3d神经网络的BIM元素智能分类方法的可行性与分类效果。结果表明,Point Net,Point Net++和MVCNN等三种神经网络均可用于区分BIM元素子类。门子类分类上,三种神经网络的分类精度基本相当,Point Net、Point Net++和MVCNN的分类精度分别为93%、94%和92%,F1值分别为93%、94%和92%。三种神经网络模型在旋转门和推拉门上均展现出了精准的分类性能,但是双开门分类效果不佳。墙体子分类上,MVCNN的分类精度最高、Point Net++次之,Point Net对带窗墙和带门墙的分类性能最差,其P-R曲线对应的查准率与查全率最低:带窗墙的AUC为52%,带门墙的AUC为57%。具体工程应用时需根据局部形状特征,进行合理预估,选择不同的模型,可以在保证分类精度的基础上,提高分类的精度与效率。

关键词： BIM 3d神经网络 IFC dynamo Point Net++ MVCNN

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

基于卷积神经网络的视频行为识别的研究

基于卷积神经网络的视频行为识别的研究

引用

作者：黄若琳哈尔滨工程大学

学位级别：硕士

随着5G网络时代的到来和深度学习及图灵设备的发展,越来越多基于深度卷积神经网络的技术被运用到人们的日常生活中来。深度神经网络虽然具有训练参数量较大、计算过程较复杂的缺点,但是,我们仍然不能忽略其具有自动提取隐式特征信息的优... 详细信息

随着5G网络时代的到来和深度学习及图灵设备的发展,越来越多基于深度卷积神经网络的技术被运用到人们的日常生活中来。深度神经网络虽然具有训练参数量较大、计算过程较复杂的缺点,但是,我们仍然不能忽略其具有自动提取隐式特征信息的优点,并且它被广泛地应用在多个领域中。其中,三维卷积神经网络是一种无需人工提取特征,能够直接处理连续视频帧数据的端到端网络模型,并且该网络常被用于基于视频数据的人体行为识别领域中。本文针对经典的三维神经网络进行了深入的研究,并根据不同的需求相应的改进了神经网络结构,提出了多种改进后的三维神经网络模型,主要的工作和创新有以下几点:（1）为了获取更具代表性的特征,提出了一种基于深层特征融合的三维卷积神经网络。不仅在网络模型的构建中,使用了Relu激活函数和批标准归一化等当前被证明有效的方法,还将高层特征与底层特征相融合组成新的特征表达;（2）为了增加网络的感受野范围,减少网络的计算量,并加速网络的收敛速度,本文融合Google提出的Inception＿Res结构的思想,进一步提出了一种基于多尺度特征深度融合的三维神经网络,即在网络结构的三维卷积层中用多个小维度的3d卷积核来代替大维度的3d卷积核,并加入残差连接和BN层来防止网络模型出现过拟合现象;（3）为了使网络能够有不同尺度的输入,能够提取更深层次的语义信息,本文进一步提出了一种融合多级金字塔网络和注意力机制的3d卷积神经网络模型。在对传统的三维神经网络做多层级特征融合的同时,融合多级金字塔网络和注意力机制来提高模型的鲁棒性和识别正确率;（4）为了对视频数据集中的视觉属性进行显式学习,从而对相似特征做细化分类,本文进一步提出了一种基于视觉属性增强的集成神经网络。其结构主要包括三个子网络,第一个子网络为基于多尺度特征深度融合的3d卷积网络,第二个子网络为融合多级特征金字塔网络和注意力机制的3d卷积网络,第三个子网络为基于视觉属性增强的卷积网络,即主要网络过程是使用成熟的目标检测算法Faster-RCNN来对视频数据中的视觉属性进行发现和提取,然后将视觉属性和视频动作类别关联起来,再输入到全卷积层后进行动作分类和识别。最后,本文在UCF-101数据集上的实验充分表明本文提出的多种模型的有效性。

关键词：行为识别 3d神经网络特征融合集成学习 UCF-101数据集

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：