大規(guī)模風(fēng)格相似的復(fù)雜建筑智能自動建模方法研究基本信息

過程式建模是一種高效的批量建筑三維建模方法，具有非常巨大的潛在應(yīng)用價值。為了實現(xiàn)過程式建模方法對多種復(fù)雜建筑風(fēng)格的支持，本研究擬通過語義本體方法規(guī)范建筑分類體系及其基本部件，并據(jù)此設(shè)計生成語法，進(jìn)而可支持多種復(fù)雜建筑類型的建模；考慮到過程式方法中普遍難以保證生成模型風(fēng)格一致，擬引入模式挖掘方法對建模結(jié)果進(jìn)行定量分析，得到特定風(fēng)格的組合模式，據(jù)此可設(shè)計相應(yīng)的建筑風(fēng)格檢索判定方法，保證生成結(jié)果的自相似性；最后，針對建模規(guī)則庫由于冗余導(dǎo)致生成模型成功率低的問題，擬采用聚類、粒度分析、關(guān)聯(lián)分析、特征選擇等學(xué)習(xí)方法分析建模規(guī)則與特定建筑風(fēng)格的關(guān)聯(lián)性，除去冗余，獲得最佳建模規(guī)則集。本項目的研究可望對特定風(fēng)格三維建筑模型的自動定制領(lǐng)域及AI技術(shù)在三維建模數(shù)據(jù)分析領(lǐng)域的基礎(chǔ)理論和方法有所貢獻(xiàn)，同時可直接應(yīng)用于類似的復(fù)雜模式分析和特征選擇等領(lǐng)域。 2100433B

主要研究大規(guī)模圖像數(shù)據(jù)的自動標(biāo)注算法，具體研究內(nèi)容有：研究具有更好表示和區(qū)分能力的圖像特征提取算法，其重點是研究特征選取和特征變換；研究用于高層語義特征提取的機器學(xué)習(xí)方法，其重點是研究半監(jiān)督學(xué)習(xí)和大規(guī)模數(shù)據(jù)學(xué)習(xí)問題；研究圖像標(biāo)記的語義相關(guān)性挖掘問題，以進(jìn)一步提高自動標(biāo)記的性能，基本思路是利用先驗信息、WordNet等知識庫和標(biāo)記在圖像同現(xiàn)等統(tǒng)計信息?；谏鲜鏊惴ㄑ芯砍晒?，我們將針對日常生活中常見的實體語義對象，從互聯(lián)網(wǎng)上下載相應(yīng)的圖像，通過學(xué)習(xí)訓(xùn)練建立起較大規(guī)模的視覺語義特征模型庫，用于實現(xiàn)圖像的自動語義標(biāo)注；我們還計劃研究開發(fā)大規(guī)模圖像數(shù)據(jù)的自動標(biāo)注原型演示系統(tǒng)，用于網(wǎng)上大規(guī)模圖像的搜索和過濾。