[發明專利]一種基于人工神經網絡二維圖形元素轉矢量圖形元素的方法在審
| 申請號: | 202110295636.3 | 申請日: | 2021-03-19 |
| 公開(公告)號: | CN113298697A | 公開(公告)日: | 2021-08-24 |
| 發明(設計)人: | 黃志均 | 申請(專利權)人: | 廣州天越電子科技有限公司 |
| 主分類號: | G06T3/00 | 分類號: | G06T3/00;G06N3/04;G06N3/08 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 510000 廣東省廣州*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 人工 神經網絡 二維 圖形 元素 矢量 方法 | ||
1.一種基于人工神經網絡二維圖形元素轉矢量圖形元素的方法,其特征在于,包括以下步驟:
S1:圖像訓練數據自動生成模塊;
S2:數字化信息提取模塊;
S3:數字化圖紙轉化模塊;
所述S1中包括S11、S12、S13、S14、S15、S16、S17、S18和S19;
所述S11為使用繪圖軟件二次開發技術搭建數字化設計平臺并與用戶繪圖軟件鏈接,建立模型倉庫,用以存儲用戶制作的矢量圖模型,圖框以及對應的文字信息;
S12為用戶通過數字化設計平臺將各種圖形元素,圖框,文字元素等錄入到圖形元素模塊庫中;
S13為訓練數據自動生成程序根據自動提取圖形元素模塊庫里面存儲的圖框,圖形元素,文字元素,并根據用戶作圖規范生成一張全新的圖紙,并將圖形元素生成的位置、種類等信息進行相應的處理,生成對應的標注文件;
S14為訓練數據存入訓練數據庫;
S15為使用人工神經網絡技術搭建目標檢測模型。
2.根據權利要求1所述的基于人工神經網絡二維圖形元素轉矢量圖形元素的方法,其特征在于,所述S16為利用訓練數據庫中的圖像及標注數據,對圖形元素檢測模型進行訓練;所述S17為利用訓練數據庫中的文字信息,對文字識別模型、NLP命名體識別分類模型進行訓練;所述S18為將訓練得到的最優模型以及模型屬性存入人工智能模型庫中;所述S19為模型庫定時更新,并自動循環所述S13-S18得到更新的AI模型。
3.根據權利要求1所述的基于人工神經網絡二維圖形元素轉矢量圖形元素的方法,其特征在于,所述S2中包括S21、S22、S23、S24、S24、S25、S26、S27和S28,所述S21為搭建并訓練基于人工神經網絡的文字檢測模型,用于檢測圖像中文字信息;所述S22為搭建并訓練基于人工神經網絡的文本識別模型,用于對文字檢測模型處理后的文字信息轉為文本信息;所述S23為搭建12層transformer層的BERT模型,加載訓練好的BERT預訓練模型,再搭建多層人工神經網絡層并以CRF層作為輸出層,用以將文本信息中的用戶命名體提??;所述S24為搭建12層transformer層的BERT模型,加載訓練好的BERT預訓練模型,再搭建多層人工神經網絡層并使用Softmax函數作為輸出層激活函數,用以對命名體信息分類整合。
4.根據權利要求3所述的基于人工神經網絡二維圖形元素轉矢量圖形元素的方法,其特征在于,所述S25為利用訓練數據庫中的文字信息對上述模型進行訓練;所述S26為數字化信息提取模塊判斷圖紙是否為矢量圖,若是,則程序直接提取圖中的文字信息,若不是,程序則將圖通過文字檢測模型以及文本識別模型提取文本信息;所述S27為將文本信息通過S23和S24得到的NLP命名體識別、分類模型進行處理;所述S28為數字化信息整合系統將根據圖紙中圖形元素的信息以及S27得到的文本信息進行分析整合,將屬于該圖形元素的文本信息錄入到該圖形元素的屬性信息中。
5.根據權利要求1所述的基于人工神經網絡二維圖形元素轉矢量圖形元素的方法,其特征在于,所述S3中包括S31、S32、S33、S34、S35、S35、S36、S37和S38,所述S31為從非數字化圖紙庫中讀取圖紙;所述S32為新建一張空白圖紙,并在圖紙中根據S31讀取到的圖紙,從圖框庫中選擇對應的圖框并生成到新建空白圖紙中;所述S33為圖紙導入到數字化信息提取模塊進行圖形元素屬性信息提??;所述S34為圖紙導入圖形元素檢測模型中進行圖形元素檢測識別分類,并判斷置信度是否符合預設值,若符合進行S35,若不符合則進行S36。
6.根據權利要求5所述的基于人工神經網絡二維圖形元素轉矢量圖形元素的方法,其特征在于,所述S35為聯合圖形元素模塊庫,根據圖形元素檢測模型生成的識別分類信息,位置信息,從圖形元素模塊庫提取對應的圖形元素模塊并生成在S32新建圖紙相應位置中,然后進行S37;所述S36為將圖形元素封裝成新圖形模塊錄入圖形元素模塊庫中,等待工程師進行建模錄入以及補充相關屬性信息,用以圖形元素檢測模型迭代更新,圖紙也保存至非數字化圖紙庫中的未檢測圖紙庫中等待后續檢測模型更新后再進行檢測;所述S37為通過數字化信息整合系統將數字化信息提取模塊中提取到的圖形元素屬性信息與S35中得到的矢量圖進行整合匹配,完善矢量圖中圖形元素的數字化信息,生成完整的數字化矢量圖紙;所述S38為將生成的數字化矢量圖紙保存到數字化圖紙庫中。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣州天越電子科技有限公司,未經廣州天越電子科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110295636.3/1.html,轉載請聲明來源鉆瓜專利網。





