基于改进MVCNN的IFC构件分类识别审查方法

作者：王茹; 胡芸浩^*; 黄炜; 赵俊浩

来源：湖南大学学报(自然科学版), 2023, 50(11): 216-223.

DOI：10.16339/j.cnki.hdxbzkb.2023140

• IFC构件
• 分类识别
• 多视图卷积神经网络
• 深度学习
• 审查

为实现IFC构件精确、高效分类，提出一种改进的多视图卷积神经网络（Multiview Convolutional Neural Network, MVCNN）模型，该模型引入了自注意力模块和长短期记忆（LongShort-termMemory,LSTM）网络，针对MVCNN模型特征融合的局限性，设计了LSTM＿ATT模块；通过对各视图数据特征关系的自适应调整，并结合注意力权重对输入的各视图数据进行融合，得到一个更具辨识性的3D形状描述符，从而提高模型对各相似IFC构件的分类检测性能.使用IFCNet数据集对建筑领域20个主要类别的IFC构件进行训练并在测试集上对改进MVCNN模型与MVCNN模型进行实验对比.实验结果表明，改进模型的分类准确率和F1值分别达到了88.27%、86.72%，相比改进前准确率提高了9.46%，对相似构件之间的分类识别效果明显.

• 单位
  西安建筑科技大学; 土木工程学院