特征迁移的细粒度产品形态智能决策方法

作者：李雄; 苏建宁^*; 张志鹏; 李晓晓

来源：计算机辅助设计与图形学学报, 2023, 1-16.

• 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、0.4058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.

• 单位
  兰州理工大学; 机电工程学院; 新疆艺术学院; 兰州城市学院