计算机辅助设计与图形学学报

作者：李雄, 苏建宁, 张志鹏, 李晓晓

关键词：产品形态智能决策, 细粒度识别, 迁移学习, 并行网络

针对产品形态智能决策框架系统性不强、模型决策机制单一且历史样本数据量少等问题, 提出一种基于混合迁移学习的细粒度产品形态智能决策方法.该方法将Swin Transformer和ResNets作为骨干网络设计了3个并行混合迁移学习子网络, 包括产品形态识别网络(Form-CN)、产品形态深度回归评价网络(Form-REN)和产品形态分布拟合评估网络(Form-DFEN).首先应用Form-CN对产品进行细粒度形态分类判别, 实现产品形态设计定位识别任务; 其次应用Form-REN对产品整体形态语义进行预测评价; 然后通过Form-DFEN对产品形态进行分布拟合评估; 最后由Form-REN和Form-DFEN完成综合决策.以创建的手电钻数据集进行实验, 并与其他经典模型进行比较, 结果表明, 所设计的3个网络分别取得了99.0%的准确率、0.258 3的均方误差和84.3%的准确率; 所提方法能够精细、高效地辅助设计师进行综合智能决策, 为产品形态智能决策提供了一个更为系统的参考框架.

来源：2024年第1期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第1期