技術(shù)特征：

1.一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，所述步驟s1中數(shù)據(jù)增強(qiáng)包括隨機(jī)旋轉(zhuǎn)、平移、縮放、裁剪以及顏色抖動(dòng)。

3.根據(jù)權(quán)利要求1所述的一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，所述步驟s1中樣本平衡技術(shù)，包括：

4.根據(jù)權(quán)利要求1所述的一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，所述步驟s2中對目標(biāo)檢測模型進(jìn)行訓(xùn)練，包括：

5.根據(jù)權(quán)利要求1所述的一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，所述步驟s2中對目標(biāo)匹配模型進(jìn)行訓(xùn)練，包括：

6.根據(jù)權(quán)利要求5所述的一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，所述多種損失函數(shù)包括三元組損失、arcface損失、ntxent損失、類別敏感交叉熵?fù)p失、知識蒸餾損失、byol自監(jiān)督學(xué)習(xí)損失以及網(wǎng)絡(luò)參數(shù)l2正則化損失。

7.根據(jù)權(quán)利要求1所述的一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配方法，其特征在于，所述步驟s3具體包括：

8.一種基于多階段深度學(xué)習(xí)的cad圖紙智能匹配系統(tǒng)，其特征在于，包括：

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1-7中任意一項(xiàng)所述的cad圖紙智能匹配方法。

10.一種cad圖紙智能匹配設(shè)備，包括存儲器和處理器，存儲器上存儲有可在處理器上運(yùn)行的計(jì)算機(jī)指令，其特征在于，處理器運(yùn)行計(jì)算機(jī)指令時(shí)執(zhí)行權(quán)利要求1-7中任意一項(xiàng)所述的cad圖紙智能匹配方法。

技術(shù)總結(jié)
本發(fā)明公開了基于多階段深度學(xué)習(xí)的CAD圖紙智能匹配方法及系統(tǒng)，屬于圖像比對領(lǐng)域，主要包括：S1、加載和預(yù)處理CAD圖紙，并通過數(shù)據(jù)增強(qiáng)和樣本平衡技術(shù)構(gòu)建三元組數(shù)據(jù)集；S2、構(gòu)建目標(biāo)檢測模型和目標(biāo)匹配模型，并利用三元組數(shù)據(jù)集對目標(biāo)檢測模型和目標(biāo)匹配模型進(jìn)行訓(xùn)練；其中，所述目標(biāo)檢測模型采用YOLOv5模型，并結(jié)合滑窗檢測和非極大值抑制技術(shù)對CAD圖紙進(jìn)行檢測；所述目標(biāo)匹配模型采用雙頭網(wǎng)絡(luò)結(jié)構(gòu)；S3、利用訓(xùn)練好的目標(biāo)檢測模型和目標(biāo)匹配模型對待識別的CAD圖紙進(jìn)行匹配。本發(fā)明通過多種先進(jìn)技術(shù)，實(shí)現(xiàn)對任意不同格式的兩幅或多幅CAD圖像的智能匹配和判斷。

技術(shù)研發(fā)人員：李進(jìn),盧嘉軒,徐悅心,唐聞
受保護(hù)的技術(shù)使用者：浙江清北智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6