基于几何的加工特征检索与归纳迁移学习
计算机视觉与模式识别
2021-11-16 v2 人工智能
摘要
制造业已广泛采用机器零件重用作为降低成本和可持续制造实践的方法。从零件设计中识别可重用特征并从数据库中查找其相似特征是此过程的重要组成部分。在本项目中，借助全卷积几何特征，我们能够通过归纳迁移学习从CAD模型中提取和学习高级语义特征。然后，使用Frobenius范数将提取的特征与数据库中其他CAD模型的特征进行比较，并检索出相同的特征。随后，我们将提取的特征传递给一个带有空间金字塔池化层的深度卷积神经网络，特征检索的性能显著提升。结果表明，该模型能够有效捕捉加工特征中的几何元素。
引用
@article{arxiv.2108.11838,
title = {Geometry Based Machining Feature Retrieval with Inductive Transfer Learning},
author = {N S Kamal and Barathi Ganesh HB and Sajith Variyar VV and Sowmya V and Soman KP},
journal= {arXiv preprint arXiv:2108.11838},
year = {2021}
}
备注
Submitted to 9th International Conference on Frontiers of Intelligent Computing: Theory and Applications (FICTA 2021)