一种基于改进的卷积神经网络的施工图图元自适应识别方法

    公开(公告)号:CN111914612A

    公开(公告)日:2020-11-10

    申请号:CN202010436478.4

    申请日:2020-05-21

    申请人: 淮阴工学院

    摘要: 发明公开了一种基于改进的卷积神经网络的施工图图元自适应识别方法,包括:采集施工图图纸文件D1,构成施工图图像数据集D4,进行预处理,得到数据集D5;对D5进行数据增强,使用LabelImg对数据增强后的数据集D6进行标注,将标注后的数据集D7分为训练集D8与测试集D9;使用BN算法和PReLU激活函数改进卷积神经网络,将D8输入预训练模型中进行训练,得到施工图图元自适应识别模型ARM;将D9输入ARM,输出图元识别结果集PT Result;开放施工图图元自适应识别接口ARM API,用户通过Web平台上传施工图图纸Drawing,ARM API对Drawing进行图元自适应识别,将识别出的图元信息Primitive Info返回Web平台。本发明可对施工图中的图元进行自适应识别,可识别多个目标,精准度高,提高了施工图图元的识别率。

    一种基于神经网络自适应寻优调参的建筑领域知识图谱构建方法

    公开(公告)号:CN111813950B

    公开(公告)日:2024-02-27

    申请号:CN202010429933.8

    申请日:2020-05-20

    申请人: 淮阴工学院

    摘要: 比传统人工设定更有效构建建筑领域知识图谱。发明公开了一种基于神经网络自适应寻优调参的建筑领域知识图谱构建方法,首先采集建筑领域实体、实体属性及语料,然后进行预处理,得到建筑实体识别模型标注数据集EntityData;利用数据集EntityData训练基于BERT‑BiLSTM‑CRF的自适应实体识别模型,得到建筑领域实体识别模型EntityModel;对建筑领域关系数据集预处理得到数据集RelationData;利用RelationData训练基于GRU的自适应关系抽取模型,得到建筑领域关系抽取模型RelationModel;最后分别通过EntityModel和RelationModel抽取出建筑领域文本数据集中的实体和属性,构建建筑领域知识图谱;用户通过Web平台输入施工(56)对比文件穆磊 等.基于BIM和知识图谱的消防智能审图研究.消防科学与技术.2019,第38卷(第12期),1765-1768.王磊 等.基于关系触发词与单层GRU模型的关系抽取方法.吉林大学学报(理学版).2020,第58卷(第01期),95-103.

    一种基于神经网络自适应寻优调参的建筑领域知识图谱构建方法

    公开(公告)号:CN111813950A

    公开(公告)日:2020-10-23

    申请号:CN202010429933.8

    申请日:2020-05-20

    申请人: 淮阴工学院

    摘要: 发明公开了一种基于神经网络自适应寻优调参的建筑领域知识图谱构建方法,首先采集建筑领域实体、实体属性及语料,然后进行预处理,得到建筑实体识别模型标注数据集EntityData;利用数据集EntityData训练基于BERT-BiLSTM-CRF的自适应实体识别模型,得到建筑领域实体识别模型EntityModel;对建筑领域关系数据集预处理得到数据集RelationData;利用RelationData训练基于GRU的自适应关系抽取模型,得到建筑领域关系抽取模型RelationModel;最后分别通过EntityModel和RelationModel抽取出建筑领域文本数据集中的实体和属性,构建建筑领域知识图谱;用户通过Web平台输入施工图审查点,根据用户输入的施工图审查点挖掘知识库中的隐藏关系,并将挖掘出的专家意见信息Recom返回Web平台。本发明采用自适应调参,相比传统人工设定更有效构建建筑领域知识图谱。