【技术实现步骤摘要】
本专利技术涉及深度学习，具体而言，涉及一种基于bim技术的工程造价动态数据标注方法及系统。
技术介绍
1、在建筑工程领域，工程造价的动态数据管理对于项目的成本控制、预算规划以及决策支持具有至关重要的作用。随着建筑信息模型(bim)技术的快速发展，bim已成为工程造价管理中的重要工具，它提供了丰富的、可视化的建筑数据，为工程造价的精确计算提供了有力支持。然而，在bim工程造价数据的处理过程中，如何高效、准确地标注动态数据中的造价构件元素，一直是一个亟待解决的问题。
2、传统的工程造价数据标注方法往往依赖于人工操作，不仅耗时耗力，而且容易受到人为因素的影响，导致标注结果的准确性和一致性难以保证。近年来，虽然已有一些基于机器学习或深度学习技术的自动化标注方法被提出，但这些方法通常依赖于单一的深度学习网络，对于复杂多变的bim工程造价动态数据，其标注效果和泛化能力仍然有限。
3、此外，现有的自动化标注方法往往缺乏对不同造价构件元素的细致区分和精确描述，导致标注结果在实际应用中难以满足工程造价管理的精细化需求。因此，如何结...
【技术保护点】
1.一种基于BIM技术的工程造价动态数据标注方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于BIM技术的工程造价动态数据标注方法，其特征在于，所述定制化深度学习网络是依据各个第一模板BIM工程造价动态数据的第一估计造价构件元素和实际造价构件元素之间的特征距离进行网络参数学习生成的；所述标注网络是依据各个第二模板BIM工程造价动态数据的第二估计造价描述标签和实际造价描述标签之间的特征距离进行网络参数学习生成的；
3.根据权利要求2所述的基于BIM技术的工程造价动态数据标注方法，其特征在于，所述方法还包括：
4.根据权利要...
【技术特征摘要】
1.一种基于bim技术的工程造价动态数据标注方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于bim技术的工程造价动态数据标注方法，其特征在于，所述定制化深度学习网络是依据各个第一模板bim工程造价动态数据的第一估计造价构件元素和实际造价构件元素之间的特征距离进行网络参数学习生成的；所述标注网络是依据各个第二模板bim工程造价动态数据的第二估计造价描述标签和实际造价描述标签之间的特征距离进行网络参数学习生成的；
3.根据权利要求2所述的基于bim技术的工程造价动态数据标注方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的基于bim技术的工程造价动态数据标注方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的基于bim技术的工程造价动态数据标注方法，其特征在于，所述获取工程造价动态数据标注请求的辅助引导数据的步骤，包括：
6.根据权利要求1所述的基于bim技术的工程造价动态数据标注方法，其特征在于，所述依据所述第一置信度序列和第二置信度...
【专利技术属性】
技术研发人员：刘江，
申请(专利权)人：四川志恒工程管理咨询有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。