艺术设计用方案管理系统及其方法技术方案

本申请涉及智能管理领域，其具体地公开了一种艺术设计用方案管理系统及其方法，其包括：数据采集模块、图像分块模块、图像块特征提取模块、优化模块、全局上下文关联模块和存储标签识别模块，其首先获取待存储艺术设计用方案纸质文件的封皮图像，然后，通过采用基于深度学习的神经网络模型挖掘出艺术设计用方案纸质文件的封皮图像中关于方案类型的隐含特征信息，并以此进行分类，获得用于表示存储单元的身份标签的分类结果，通过这样的方式，以此来提高存储分类的精准度，有效地实现艺术设计的方案管理，便于后续查阅人员的查找。便于后续查阅人员的查找。便于后续查阅人员的查找。

【技术实现步骤摘要】
艺术设计用方案管理系统及其方法


[0001]本申请涉及智能管理领域，且更为具体地，涉及一种艺术设计用方案管理系统及其方法。

技术介绍

[0002]在科技高速发展的社会环境下，为了让资料有可追溯性，并且便于后续的查阅，人们将电子资料打印成纸质资料，并将这些纸质资料进行储存，现今，全球的图书馆都面临着巨量纸质文献装不下的问题，国内纸质文献主要采用密集书库储存，而国外图书馆则广泛使用高密度自动化储存库来解决这一问题。
[0003]目前，用于信息技术资料储存的储存柜大多结构简单，功能单一，不能做到对纸质文件进行合理地分类，容易使文件褶皱，造成文献摆放的非常散乱，不利于查阅人员随时的查看摘抄。
[0004]因此，期待一种优化的艺术设计用方案管理方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种艺术设计用方案管理系统及其方法，其通过采用基于深度学习的神经网络模型挖掘出艺术设计用方案纸质文件的封皮图像中关于方案类型的隐含特征信息，以此来提高存储分类的精准度，有效地实现艺术设计的方案管理，便于后续查阅人员的查找。
[0006]根据本申请的一个方面，提供了一种艺术设计用方案管理系统，其包括：数据采集模块，用于获取待存储艺术设计用方案纸质文件的封皮图像；图像分块模块，用于将所述待存储艺术设计用方案纸质文件的封皮图像进行图像分块处理以得到图像块序列；图像块特征提取模块，用于将所述图像块序列中各个图像块分别通过作为过滤器的卷积神经网络模型以得到多个图像块图像特征向量；优化模块，用于对所述多个图像块图像特征向量进行特征值区分度增强以得到多个优化图像块图像特征向量；全局上下文关联模块，用于将所述多个优化图像块图像特征向量通过基于转换器的上下文编码器以得到图像块全局语义关联特征向量；以及存储标签识别模块，用于将所述图像块全局语义关联特征向量通过分类器以得到分类结果，所述分类结果用于表示存储单元的身份标签。
[0007]在上述艺术设计用方案管理系统中，所述图像分块模块，用于将所述待存储艺术设计用方案纸质文件的封皮图像进行均匀图像分块处理以得到图像块序列。这里，所述图像块序列中各个图像块具有相同的尺寸。
[0008]在上述艺术设计用方案管理系统中，所述图像块特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述多个图像块图像特征向量，所述作为过滤器的
卷积神经网络的第一层的输入为所述图像块序列中各个图像块。
[0009]在上述艺术设计用方案管理系统中，所述优化模块，包括：辅助特征提取单元，用于将所述图像块序列中的各个图像块分别通过作为过滤器的卷积神经网络模型以得到多个图像块图像特征图；区分单元，用于对所述多个图像块图像特征图中的每个图像块图像特征图进行特征相关性累积区分机制建模以获得多个加权特征向量；以及，加权优化单元，用于分别计算每组对应的所述加权特征向量和所述图像块图像特征向量之间的按位置点乘以得到所述多个优化图像块图像特征向量。
[0010]在上述艺术设计用方案管理系统中，所述辅助特征提取单元，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图基于局部特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述多个图像块图像特征图，所述作为过滤器的卷积神经网络的第一层的输入为所述图像块序列中的各个图像块。
[0011]在上述艺术设计用方案管理系统中，所述区分单元，进一步用于：以如下公式对所述多个图像块图像特征图中的每个图像块图像特征图进行特征相关性累积区分机制建模以获得所述多个加权特征向量；其中，所述公式为： ，其中表示所述多个图像块图像特征图中的各个图像块图像特征图，和分别表示对特征图进行基于不同卷积核的单层卷积操作，表示激活函数，表示激活函数，且表示对特征图的每个特征矩阵进行全局池化操作，表示按位置加法，表示所述多个加权特征向量中的各个加权特征向量。
[0012]在上述艺术设计用方案管理系统中，所述全局上下文关联模块，包括：上下文编码单元，用于使用所述上下文编码器的转换器对所述多个优化图像块图像特征向量进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义优化图像块图像特征向量；以及，级联单元，用于将所述多个全局上下文语义优化图像块图像特征向量进行级联以得到所述图像块全局语义关联特征向量。
[0013]在上述艺术设计用方案管理系统中，所述上下文编码单元，包括：查询向量构造子单元，用于将所述多个优化图像块图像特征向量进行一维排列以得到全局优化图像块图像特征向量；自注意子单元，用于计算所述全局优化图像块图像特征向量与所述多个优化图像块图像特征向量中各个优化图像块图像特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加子单元，用于分别以所述多个概率值中各个概率
值作为权重对所述多个优化图像块图像特征向量中各个优化图像块图像特征向量进行加权以得到所述多个上下文语义优化图像块图像特征向量；级联子单元，用于将所述多个上下文语义优化图像块图像特征向量进行级联以得到所述多个全局上下文语义优化图像块图像特征向量。
[0014]在上述艺术设计用方案管理系统中，所述存储标签识别模块，用于：使用所述分类器以如下公式对所述图像块全局语义关联特征向量进行处理以获得分类结果，其中，所述公式为：，其中，到为权重矩阵，到为偏置向量，为图像块全局语义关联特征向量。
[0015]根据本申请的另一方面，提供了一种艺术设计用方案管理方法，其包括：获取待存储艺术设计用方案纸质文件的封皮图像；将所述待存储艺术设计用方案纸质文件的封皮图像进行图像分块处理以得到图像块序列；将所述图像块序列中各个图像块分别通过作为过滤器的卷积神经网络模型以得到多个图像块图像特征向量；对所述多个图像块图像特征向量进行特征值区分度增强以得到多个优化图像块图像特征向量；将所述多个优化图像块图像特征向量通过基于转换器的上下文编码器以得到图像块全局语义关联特征向量；以及将所述图像块全局语义关联特征向量通过分类器以得到分类结果，所述分类结果用于表示存储单元的身份标签。
[0016]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种艺术设计用方案管理系统，其特征在于，包括：数据采集模块，用于获取待存储艺术设计用方案纸质文件的封皮图像；图像分块模块，用于将所述待存储艺术设计用方案纸质文件的封皮图像进行图像分块处理以得到图像块序列；图像块特征提取模块，用于将所述图像块序列中各个图像块分别通过作为过滤器的卷积神经网络模型以得到多个图像块图像特征向量；优化模块，用于对所述多个图像块图像特征向量进行特征值区分度增强以得到多个优化图像块图像特征向量；全局上下文关联模块，用于将所述多个优化图像块图像特征向量通过基于转换器的上下文编码器以得到图像块全局语义关联特征向量；以及存储标签识别模块，用于将所述图像块全局语义关联特征向量通过分类器以得到分类结果，所述分类结果用于表示存储单元的身份标签。2.根据权利要求1所述的艺术设计用方案管理系统，其特征在于，所述图像分块模块，用于将所述待存储艺术设计用方案纸质文件的封皮图像进行均匀图像分块处理以得到图像块序列，这里，所述图像块序列中各个图像块具有相同的尺寸。3.根据权利要求2所述的艺术设计用方案管理系统，其特征在于，所述图像块特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述多个图像块图像特征向量，所述作为过滤器的卷积神经网络的第一层的输入为所述图像块序列中各个图像块。4.根据权利要求3所述的艺术设计用方案管理系统，其特征在于，所述优化模块，包括：辅助特征提取单元，用于将所述图像块序列中的各个图像块分别通过作为过滤器的卷积神经网络模型以得到多个图像块图像特征图；区分单元，用于对所述多个图像块图像特征图中的每个图像块图像特征图进行特征相关性累积区分机制建模以获得多个加权特征向量；以及加权优化单元，用于分别计算每组对应的所述加权特征向量和所述图像块图像特征向量之间的按位置点乘以得到所述多个优化图像块图像特征向量。5.根据权利要求4所述的艺术设计用方案管理系统，其特征在于，所述辅助特征提取单元，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图基于局部特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络的最后一层的输出为所述多个图像块图像特征图，所述作为过滤器的卷积神经网络的第一层的输入为所述图像块序列中的各个图像块。6.根据权利要求5所述的艺术设计用方案管理系统，其特征在于，所述区分单元，进一步用于：以如下公式对所述多个图像块图像特征图中的每个图像块图像特征图进...

【专利技术属性】
技术研发人员：朱旭光，贾立壮，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：