[發(fā)明專(zhuān)利]基于本體間語(yǔ)義相關(guān)的三維模型檢索方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710282142.5
• 申請(qǐng)日: 2017-04-26
• 公開(kāi)（公告）號(hào): CN107169051B
• 公開(kāi)（公告）日: 2019-09-24
• 發(fā)明（設(shè)計(jì)）人: 陳莉;劉弘;張桂娟;康春萌;陸佃杰;呂蕾
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東師范大學(xué)
• 主分類(lèi)號(hào): G06F16/583
• 分類(lèi)號(hào): G06F16/583;G06K9/62;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 黃海麗

本發(fā)明公開(kāi)了基于本體間語(yǔ)義相關(guān)的三維模型檢索方法及系統(tǒng)，步驟：數(shù)據(jù)獲取：定義兩種類(lèi)型的產(chǎn)品：第一種類(lèi)型產(chǎn)品和第二種類(lèi)型產(chǎn)品；建立第一種類(lèi)型產(chǎn)品的每個(gè)特征與第二種類(lèi)型產(chǎn)品每個(gè)特征之間的關(guān)系，生成特征關(guān)系集合；深度信念網(wǎng)絡(luò)樣本集生成：基于新的特征關(guān)系集合，判斷每組特征關(guān)系對(duì)應(yīng)的兩個(gè)特征的屬性是否相同，若相同，則該組特征關(guān)系的值為1；否則為0；從而生成樣本集；生成檢索推薦準(zhǔn)則：利用深度信念網(wǎng)絡(luò)對(duì)樣本集里面的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，用戶(hù)對(duì)樣本集中每個(gè)實(shí)例搭配的評(píng)價(jià)結(jié)果作為深度信念網(wǎng)絡(luò)的輸出；求得每組特征關(guān)系的關(guān)聯(lián)度權(quán)值，形成檢索推薦準(zhǔn)則；形成檢索結(jié)果。可以提高三維模型檢索的有效性，縮短用戶(hù)的檢索時(shí)間。

技術(shù)領(lǐng)域

本發(fā)明屬于三維模型檢索領(lǐng)域，尤其涉及一種基于本體間語(yǔ)義相關(guān)的三維模型檢索方法及系統(tǒng)。

背景技術(shù)

隨著虛擬現(xiàn)實(shí)和3D可視化技術(shù)的發(fā)展，產(chǎn)品三維模型數(shù)量以指數(shù)方式在快速增長(zhǎng)，三維模型檢索技術(shù)可以幫助用戶(hù)在快速準(zhǔn)確地獲取符合設(shè)計(jì)意圖的三維模型。最基本的三維檢索是提取產(chǎn)品三維形狀特征進(jìn)行相似性匹配，這需要用戶(hù)給出非常詳細(xì)的形式化的形狀特征信息才能得到較高的檢索正確率，但對(duì)于三維物體的形狀特征很難用形式化的信息進(jìn)行描述。而且其應(yīng)用的領(lǐng)域是根據(jù)已知模型在三維模型庫(kù)中檢索出與其相似的模型，對(duì)于某些三維建模如場(chǎng)景建模或產(chǎn)品裝配等領(lǐng)域則不適合，因?yàn)樵趫?chǎng)景建模中需要根據(jù)已知模型去檢索與其相關(guān)的其它模型，而不是檢索與其相似的模型。對(duì)于這方面的研究目前還較少，具有較強(qiáng)的現(xiàn)實(shí)意義。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了解決上述問(wèn)題，提供一種基于本體間語(yǔ)義相關(guān)的三維模型檢索方法及系統(tǒng)，發(fā)明考慮到模型之間的相關(guān)性，結(jié)合領(lǐng)域知識(shí)，利用模型間的語(yǔ)義相關(guān)度作為檢索結(jié)果，以期在某些特定領(lǐng)域如場(chǎng)景建模和產(chǎn)品裝配中可以提高三維模型檢索的有效性，縮短用戶(hù)的檢索時(shí)間。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于本體間語(yǔ)義相關(guān)的三維模型檢索方法，包括如下步驟：

數(shù)據(jù)獲取：定義兩種類(lèi)型的產(chǎn)品：第一種類(lèi)型產(chǎn)品和第二種類(lèi)型產(chǎn)品，獲取每種產(chǎn)品模型實(shí)例的特征數(shù)據(jù)，對(duì)特征數(shù)據(jù)進(jìn)行歸納量化，然后利用每種產(chǎn)品模型實(shí)例的特征數(shù)據(jù)構(gòu)建對(duì)應(yīng)產(chǎn)品的語(yǔ)義本體；

特征關(guān)系集合構(gòu)建：建立第一種類(lèi)型產(chǎn)品的每個(gè)特征與第二種類(lèi)型產(chǎn)品每個(gè)特征之間的關(guān)系，生成特征關(guān)系集合；

深度信念網(wǎng)絡(luò)樣本集生成：基于新的特征關(guān)系集合，判斷每組特征關(guān)系對(duì)應(yīng)的兩個(gè)特征的屬性是否相同，若相同，則該組特征關(guān)系的值為1；否則為0；從而生成樣本集；

生成檢索推薦準(zhǔn)則：利用深度信念網(wǎng)絡(luò)對(duì)樣本集里面的樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，用戶(hù)對(duì)樣本集中每個(gè)實(shí)例搭配的評(píng)價(jià)結(jié)果作為深度信念網(wǎng)絡(luò)的輸出；求得每組特征關(guān)系的關(guān)聯(lián)度權(quán)值，形成檢索推薦準(zhǔn)則；

形成檢索結(jié)果：對(duì)用戶(hù)提出的待檢索產(chǎn)品進(jìn)行語(yǔ)義特征提取，利用檢索推薦準(zhǔn)則實(shí)現(xiàn)待檢索產(chǎn)品的語(yǔ)義特征與三維模型庫(kù)中產(chǎn)品的語(yǔ)義特征之間相關(guān)度的計(jì)算，將滿(mǎn)足設(shè)定閾值的結(jié)果作為檢索結(jié)果。

在所述特征關(guān)系集合構(gòu)建與所述深度信念網(wǎng)絡(luò)樣本集生成之間還包括降維：通過(guò)聚類(lèi)算法對(duì)特征關(guān)系集合進(jìn)行聚類(lèi)，保留有相關(guān)性的特征，刪除沒(méi)有相關(guān)性的特征；得到若干個(gè)新的特征關(guān)系集合；從而實(shí)現(xiàn)對(duì)特征關(guān)系集合的降維。

在所述生成檢索推薦準(zhǔn)則之前，還包括：接收用戶(hù)對(duì)樣本集中每個(gè)實(shí)例搭配的評(píng)價(jià)，將評(píng)價(jià)分為五個(gè)等級(jí)：1、2、3、4和5，將用戶(hù)對(duì)每個(gè)實(shí)例搭配的評(píng)價(jià)取平均數(shù)，四舍五入后，歸入五個(gè)等級(jí)之一，作為實(shí)例搭配的最終評(píng)價(jià)結(jié)果；若最終評(píng)價(jià)結(jié)果屬于五個(gè)等級(jí)中的某一個(gè)等級(jí)，則該等級(jí)的值為1，其他等級(jí)的值為0。

所述生成檢索推薦準(zhǔn)則的步驟為：

步驟(4.1)：利用樣本集訓(xùn)練第一個(gè)RBM；