-
公开(公告)号：CN119625395A
公开(公告)日：2025-03-14
申请号：CN202411688576.1
申请日：2024-11-25
Applicant: 北京建筑大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/80 , G06V10/44 , G06T7/00
Abstract: 本申请提供了一种架空管道缺陷识别的方法、装置、设备及介质，该方法包括：模型训练阶段：对数据集中的原始缺陷图像进行数据增强得到多组增强缺陷图像；其中，增强缺陷图像包括第一部分图像和第二部分图像；使用第一部分图像的第一特征向量构建分类分支子模型的第一损失函数；使用第二部分图像的第二特征向量构建表示学习分支子模型的第二损失函数；其中，第一损失函数和第二损失函数用于构建整体损失函数；通过对整体损失函数进行参数调整，得到缺陷识别模型；模型使用阶段：将待测架空管道的待测图像输入到缺陷识别模型中，得到缺陷识别模型输出的缺陷识别结果。本申请显著了提升了长尾分布下管道缺陷的识别能力、识别精度。
-
公开(公告)号：CN119293280A
公开(公告)日：2025-01-10
申请号：CN202411462368.X
申请日：2024-10-18
Applicant: 北京建筑大学
Abstract: 本申请提供了一种建筑信息检索方法、装置、电子设备及存储介质，该方法包括：建立训练数据集；其中，训练数据集为训练图像‑训练文本对集合；训练图像为建筑领域的图像，训练文本是多种不同语言的描述；将训练图像‑训练文本对输入到初始检索模型中，在第一嵌入向量和第二嵌入向量之间相似度的目标损失函数的损失最小时，得到目标检索模型；其中，第一嵌入向量由训练文本转化得到，第二嵌入向量由融合图像得到，融合图像为对训练图像在不同尺度下的特征信息进行融合得到；获取待检索数据；将待检索数据输入到目标检索模型中，得到检索结果。本申请更加关注建筑物图像的细节特征，而不丢失整体特征，提高了目标检索模型在建筑领域的检索性能和适应性。
-
公开(公告)号：CN117473102B
公开(公告)日：2024-07-05
申请号：CN202311541545.9
申请日：2023-11-17
Applicant: 北京建筑大学
IPC: G06F16/36 , G06F16/332 , G06F16/33 , G06F16/35 , G06F16/215 , G06F18/2415 , G06F40/30 , G06N3/0442 , G06N3/047 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N5/025
Abstract: 本申请公开了一种基于标签混淆学习的BIM知识图谱构建方法和系统，通过获取原始BIM数据集，并对所述原始BIM数据集进行预处理，将目标BIM数据输入到BiLSTM‑CRF模型中进行实体识别，得到目标BIM数据中的实体信息，将实体信息和目标BIM数据输入MutiLCM‑RE，识别出实体之间的关系，并抽取出关系三元组信息，根据关系三元组信息，建立目标BIM知识图谱，本方案通过高质量的实体识别和关系抽取、标签混淆学习策略的优化、多源语义融合方法的应用和增量元自训练的半监督学习等手段，能够构建准确、全面且具有表达能力的BIM知识图谱。
-
公开(公告)号：CN117473102A
公开(公告)日：2024-01-30
申请号：CN202311541545.9
申请日：2023-11-17
Applicant: 北京建筑大学
IPC: G06F16/36 , G06F16/332 , G06F16/33 , G06F16/35 , G06F16/215 , G06F18/2415 , G06F40/30 , G06N3/0442 , G06N3/047 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N5/025
Abstract: 本申请公开了一种基于标签混淆学习的BIM知识图谱构建方法和系统，通过获取原始BIM数据集，并对所述原始BIM数据集进行预处理，将目标BIM数据输入到BiLSTM‑CRF模型中进行实体识别，得到目标BIM数据中的实体信息，将实体信息和目标BIM数据输入MutiLCM‑RE，识别出实体之间的关系，并抽取出关系三元组信息，根据关系三元组信息，建立目标BIM知识图谱，本方案通过高质量的实体识别和关系抽取、标签混淆学习策略的优化、多源语义融合方法的应用和增量元自训练的半监督学习等手段，能够构建准确、全面且具有表达能力的BIM知识图谱。
-
-
-
Search Results
4
records
(took 0.05 seconds)
