Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东南大学陆金钰获国家专利权

东南大学陆金钰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉东南大学申请的专利一种基于生成对抗网络的融合图像-文本特征的加劲钢板剪力墙设计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119089770B

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411091737.9,技术领域涉及:G06F30/27;该发明授权一种基于生成对抗网络的融合图像-文本特征的加劲钢板剪力墙设计方法是由陆金钰;陈辰;侯江军;徐烯铭设计研发完成,并于2024-08-09向国家知识产权局提交的专利申请。

一种基于生成对抗网络的融合图像-文本特征的加劲钢板剪力墙设计方法在说明书摘要公布了:本发明公开了一种基于生成对抗网络的融合图像‑文本特征的加劲钢板剪力墙设计方法,该方法包括以下步骤:步骤S1,获取需要进行设计的钢板剪力墙的S.Mises图和ESEDEN图并确定其分类组别;步骤S2,将所述的需要进行设计的钢板剪力墙的S.Mises图和ESEDEN图输入预训练的BraceGAN‑TXT中,得到BraceGAN‑TXT智能生成设计;步骤S3,根据智能生成设计图,对其进行深化设计,得到最终的加劲肋设计。

本发明授权一种基于生成对抗网络的融合图像-文本特征的加劲钢板剪力墙设计方法在权利要求书中公布了:1.一种基于生成对抗网络的融合图像-文本特征的加劲钢板剪力墙设计方法,其特征在于,该方法包括以下步骤: 步骤S1,取需要进行设计的钢板剪力墙的S.Mises图和ESEDEN图,并确定其分类组别; 步骤S2,将所述的需要进行设计的钢板剪力墙的S.Mises图和ESEDEN图输入预训练的BraceGAN-TXT中,得到BraceGAN-TXT智能生成设计图; 步骤S3,根据智能生成设计图,对其进行深化设计以得到最终的加劲肋设计; 步骤S1中的确定分组类别具体方法如下: 根据钢板剪力墙的高度和宽高比确定其属于分类组别中的N类还是W类,“N”和“M”是对设计文本条件的分类,“N”代表高度低于2600mm且宽高比小于1.5或者高度高于2600mm且宽高比小于1.2的钢板;“W”表示高度低于2600mm且宽高比大于1.5或者高度高于2600mm且宽高比大于1.2的钢板; 步骤S2中输入预训练的BraceGAN-TXT中前需进行如下处理: 5.1利用python中的PILPythonImagingLibrary库,将S.Mises图和ESEDEN图转化为“PNG”格式,并且像素设置为2048p×1024p; 5.2将ESEDEN图作为train_A;将S.Mises图的作为train_H; 步骤S2中BraceGAN-TXT算法网络架构如下: 6.1生成器,接受图像和文本数据作为输入,采用卷积神经网络对编码后的图像后进行高维特征提取,并利用FastText提取文本信息的高维特征表示; 6.2将提取后的图像特征数据和文本特征数据在残差网络ResNet中进行融合,形成融合图像-文本特征数据,将文本特征数据与融合图像-文本特征数据再次融合,以增强特征的表达效果; 6.3利用反卷积神经网络生成目标图像,鉴别器将文本特征数据与生成器中输入的图像和文本数据相融合,判断生成图像的真假; 步骤S2中BraceGAN-TXT算法中的文本编码和特征提取过程如下: 7.1对train_A和train_H图片文件名中的关键字进行提取; 7.2根据关键词进行判断,如果图片名称中包含“N”,则生成包含“N”描述的句子列表;如果图片名称中包含“W”,则生成包含“W”描述的句子列表;利用FastText的embedding功能将句子列表转换为词向量,并将词向量和描述长度保存到.pth文件中,文件名与对应的图片名称关联,文件夹取名为train_C; 7.3在编码器中,根据文本数据和文本序列长度计算文本序列的平均隐藏状态,利用神经网络预测潜在变量,获得文本特征数据;对文本特征数据进行归一化,并使文本特征数据的维度匹配图像特征数据的维度;将图像特征数据和文本特征数据拼接在一起,并传递给残差块网络“Residualblocks”,得到最终的合并特征merge; 7.4将编码器的输出特征和合并特征merge相加得到临时的特征表示;将临时特征和文本特征数据拼接在一起,得到拼接后的特征张量;将拼接后的特征张量作为输入,用解码器进行解码,得到最终输出结果; 7.5将文本特征数据进行维度上的转换,以便于文本特征数据和生成器中输入的图像和文本数据在维度上相匹配;将生成器中输入的图像和文本数据和文本特征数据拼接在一起,形成综合输入特征,经过鉴别器模型得到最后的输出结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人东南大学,其通讯地址为:210000 江苏省南京市玄武区四牌楼2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。