买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:清云小筑(北京)创新技术有限公司
摘要:本发明提供一种工程图纸信息提取方法、装置、电子设备及存储介质,涉及图像识别技术领域,通过获取工程图纸矢量图,解析工程图纸矢量图获取DXF格式几何构件;对DXF格式几何构件进行嵌入编码,将编码结果输入矢量学习网络,通过矢量学习网络的全局特征归纳层输出全局几何特征对应的高维特征向量;将全局几何特征对应的高维特征向量输入大语言模型,得到工程图纸中各构件类型和参数信息;其中,矢量学习网络通过分层训练策略进行训练得到,分层训练策略包括基于多领域训练数据集对矢量学习网络进行规模预训练,基于工程图纸领域训练数据集对矢量学习网络进行微调,直接基于矢量图进行高效无损识别,并且占用存储空间小,提高输出准确率。
主权项:1.一种工程图纸信息提取方法,其特征在于,包括:获取工程图纸矢量图,解析所述工程图纸矢量图获取DXF格式几何构件;对所述DXF格式几何构件进行嵌入编码,将编码结果输入矢量学习网络,通过所述矢量学习网络的全局特征归纳层输出全局几何特征对应的高维特征向量;所述对所述DXF格式几何构件进行嵌入编码,包括:采用二维矩阵的形态对所述工程图纸矢量图的全部几何信息进行描述,得到工程构件DXF矢量图: ;其中,为实体,为每个实体对应的命令名称,为坐标列表,为描述实体几何形状的参数组成的列表,为可见性参数,为图层,为其他属性;对于为文本的情况,采用Word2vec工具进行词嵌入得到嵌入编码;对于不为文本的情况,分别用多个维度嵌入表示、、、、、,得到的多维向量表示,将工程构件DXF矢量图参照的次序嵌入编码,生成嵌入编码矩阵;将所述全局几何特征对应的高维特征向量输入大语言模型,得到所述工程图纸中各构件类型和参数信息;其中,所述矢量学习网络通过分层训练策略进行训练得到,所述分层训练策略包括基于多领域训练数据集对所述矢量学习网络进行规模预训练,在规模预训练基础上,基于工程图纸领域训练数据集对所述矢量学习网络进行微调。
全文数据:
权利要求:
百度查询: 清云小筑(北京)创新技术有限公司 工程图纸信息提取方法、装置、电子设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。