申请/专利权人：粤港澳大湾区数字经济研究院(福田);深圳市万翼数字技术有限公司

申请日：2024-02-18

公开（公告）日：2024-03-15

公开（公告）号：CN117709210A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/10;G06N5/04;G06N20/00;G06F111/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种约束推断模型训练、约束推断方法、组件、终端及介质，通过对比约束推断模型输出的约束关系序列与训练集中的约束关系序列，计算约束预测准确度损失，实现输入的几何序列和输出的约束关系序列的最大匹配；通过判定生成的约束系统的约束状态，计算约束状态损失；根据输入的几何序列和输出的约束关系序列，基于约束方程计算约束满足性，得到约束方程损失；以约束预测准确度损失、约束状态损失和约束方程损失共同为约束推断模型的总损失，训练约束推断模型。能够解决欠约束、约束关系不合理以及求解后结果不准确的问题，提高已训练的约束推断模型推断出的草图几何约束关系的精准性。

主权项：1.一种草图几何约束关系的约束推断模型训练方法，所述约束推断模型为深度学习模型，其特征在于，所述训练方法包括：获取训练数据集，所述训练数据集包括草图的几何图元序列和约束关系序列；将所述几何图元序列输入所述约束推断模型，获得预测约束关系序列；根据所述约束关系序列和所述预测约束关系序列，计算用于衡量约束准确性的约束预测准确度损失；计算所述预测约束关系序列的约束状态损失和约束方程损失，所述约束状态损失用于衡量约束系统状态，所述约束方程损失用于衡量约束满足状态；根据所述约束预测准确度损失、所述约束状态损失和所述约束方程损失，计算总损失值，根据所述总损失值迭代优化所述约束推断模型，获得用于生成草图几何约束的已训练的约束推断模型。

全文数据：

权利要求：

百度查询： 粤港澳大湾区数字经济研究院(福田);深圳市万翼数字技术有限公司 约束推断模型训练、约束推断方法、组件、终端及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD