CN103106308A - 一种个性化创意拐点识别方法及系统 - Google Patents
一种个性化创意拐点识别方法及系统 Download PDFInfo
- Publication number
- CN103106308A CN103106308A CN2013100469645A CN201310046964A CN103106308A CN 103106308 A CN103106308 A CN 103106308A CN 2013100469645 A CN2013100469645 A CN 2013100469645A CN 201310046964 A CN201310046964 A CN 201310046964A CN 103106308 A CN103106308 A CN 103106308A
- Authority
- CN
- China
- Prior art keywords
- creative
- inflection point
- behavior
- rule
- sketch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006399 behavior Effects 0.000 claims description 342
- 239000013256 coordination polymer Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 230000003542 behavioural effect Effects 0.000 abstract 4
- 238000013461 design Methods 0.000 description 13
- 230000009191 jumping Effects 0.000 description 9
- 238000012847 principal component analysis method Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012938 design process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种个性化创意拐点识别方法及系统,其中方法包括以下步骤:(1)建立草图行为规则库和创意拐点规则库;(2)记录待识别的草图绘制数据,识别草图绘制数据中的草图行为,并输出原始草图行为序列;(3)对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,再次识别得到草图行为序列;(4)将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;(5)对原始创意拐点识别进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,再次识别得到创意拐点。本发明根据用户反馈解决创意拐点识别率低的问题,具有用户界面友好、计算复杂度低、创意拐点识别率高的优点。
Description
技术领域
本发明涉及计算机辅助草图设计领域,具体涉及一种个性化创意拐点识别方法及系统。
背景技术
计算机辅助草图设计将计算机辅助设计(Computer Aided Design,CAD)与纸上草图设计各自的优势相结合,利用计算机为草图设计提供更好的支持,从而提高草图设计效率,甚至激发设计师的创新能力。
草图设计过程并不使一个均衡的过程,设计师经过不断探索、酝酿,脑海中会迸发出灵感。灵感产生后,设计师迅速用草图进行表达并在表达过程中不断对草图进行观察调整。
从新灵感迸发到阶段性草图方案的完成,可视为草图设计中的创意单元;创意单元中的第一个草图行为,可视为草图表达过程中的创意拐点。
草图设计过程中,设计师会探索各种可能的设计路线,产生多个设计方案。多条设计路线形成一张基于创意拐点的树形结构的图,即创意拐点图。创意拐点图是对草图设计过程的抽象表达。创意拐点标识了草图过程中的灵感产生阶段;创意拐点图呈现了草图的设计路线。识别出草图过程中的创意拐点,组织创意拐点图,即可了解设计师的思维发展过程,更好地理解草图设计过程。
在计算机辅助草图设计过程中通过计算机对创意拐点进行识别需要解决以下两方面问题:一方面,由于草图创作具有随意性,而且计算机对草图信息理解能力具有较大的局限性,导致利用计算机进行创意拐点识别时,计算量大、准确度低;另一方面,不同的设计师具有不同的思维方式和草图绘制习惯,导致他们在草图设计过程中出现的创意拐点既有共性又有个性,对于创意拐点的识别必须考虑到设计师自身的因素。
发明内容
本发明一种个性化创意拐点识别方法及系统,建立用户适应机制,根据用户的反馈来解决计算机辅助草图设计过程中的创意拐点识别率低的问题,对具有不同设计思维和绘图习惯的用户均能得到较好的识别结果,具有用户界面友好、计算复杂度低、创意拐点识别率高的优点。
一种个性化创意拐点识别方法,包括以下步骤:
(1)建立草图行为规则库和创意拐点规则库;
草图行为规则库包括两种规则:一种是基于笔画时间间隔阈值t0和笔画距离阈值0来判定非绘制草图行为的规则;另一种是基于草图行为特征来判定绘制草图行为的规则。所述非绘制草图行为包括移动和停顿,所述绘制草图行为包括绘图、描线加深和注释。创意拐点规则库中存放一组具有不同权重的创意拐点规则。
(2)记录待识别的草图绘制数据,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列;
(3)对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,利用更新后的草图行为规则库中的草图行为规则识别得到草图行为序列;
(4)将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;
(5)对原始创意拐点进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,利用更新后的创意拐点规则库中的创意拐点规则识别得到创意拐点。
所述步骤(3)中对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,具体操作如下:
A、对于非绘制行为的移动和停顿,记录在发生错误或遗漏识别时的笔画时间间隔Ti(移动行为的错误或遗漏识别以及停顿行为的错误或遗漏识别分别对应一个Ti)和笔画距离Di(移动行为的错误或遗漏识别以及停顿行为的错误或遗漏识别分别对应一个Di);对于绘制行为的描线加深和注释,计算被错误识别时对应的草图行为特征向量fci,并记录草图行为特征向量fci,其中c表示草图行为类别,取值E时表示描线加深,取值T时表示注释。
B、当Ti记录次数累计达到N0时,调整非绘制行为规则对应的笔画时间间隔阈值t0。调整方法如下:
其中,k≥1,表示增量学习的次数(每当Ti记录次数累计达到N0时进行一次增量学习);
Δt表示第k次增量学习后与第k-1次增量学习后的笔画时间间隔阈值的改变量;
Nthreshold表示通过主成分分析方法确定初始草图行为规则库中绘制行为的草图行为特征权重系数时采用的训练样本数目。
当Di记录次数累计达到N0时,调整非绘制行为规则对应的笔画距离阈值d0。调整方法如下:
调整方法如下:
其中,k≥1,表示增量学习的次数(每当Di记录次数累计达到N0时进行一次增量学习);
Δd表示第k次增量学习后与第k-1次增量学习后的笔画距离阈值的改变量;
Nthreshold表示通过主成分分析方法确定初始草图行为规则库中绘制行为的草图行为特征权重系数时采用的训练样本数目。
当fci记录次数累计达到N0时,调整绘制行为规则对应草图行为特征的权重系数。调整方法如下:
根据fci(1≤i≤N0),利用主成分分析法得到一组目标权重系数w′cj(1≤j≤n),n为草图行为特征数目(记录每次被纠正后的草图行为作为样本,对所有样本通过主成分分析确定样本各个特征的权重系数;i为样本的序号),利用下面的公式对当前草图行为规则库中的权重系数进行调整:
其中,其中,k≥1,表示增量学习的次数(每当fci记录次数累计达到N0时,进行一次增量学习);
Δwcj表示在第k次增量学习后与第k-1次增量学习后草图行为类别为c的草图行为的第j个特征权重系数的改变量;
Nthreshold表示通过主成分分析方法确定初始草图行为规则库中绘制行为的草图行为特征权重系数时采用的训练样本数目。
所述步骤(5)中的对原始创意拐点识别进行反馈,将用户反馈的创意拐点分为三类,分别为被遗漏识别的创意拐点、被错误识别的创意拐点以及被正确识别的创意拐点,依据这三类创意拐点分别更新创意拐点规则库。
被遗漏识别的创意拐点,即某一草图行为序列中存在创意拐点,未被识别,如果出现这种情况,则需要新增创意拐点。
被错误识别的创意拐点,即某一草图行为序列中不存在创意拐点却被识别为创意拐点,如果出现这种情况,从创意拐点识别结果中删除该错误识别的创意拐点。
被正确识别的创意拐点,即某一草图行为序列中的创意拐点识别结果正确,如果出现这种情况,对该创意拐点的识别结果予以确认。
依据被遗漏识别的创意拐点更新创意拐点规则库的步骤如下:
记录被遗漏识别的创意拐点及其对应的草图行为子序列(每个创意拐点对应一个草图行为子序列),待记录数量达到N1时,合并其中草图行为子序列相同的创意拐点CP1i,并根据创意拐点CP1i提取新规则R1i,新规则R1i的频次与创意拐点CP1i频次相同,为n1;按新规则R1i的频次从大到小对新规则R1i进行排序,从中挑选前M1条新规则加入到创意拐点规则库中,为新规则R1i赋初始权重wi0,计算方法如下:
其中,m为本次增量学习之前创意拐点规则库中的创意拐点规则数目;
wj为本次增量学习之前创意拐点规则库中创意拐点规则Rj对应的权重;
k≥1表示增量学习的次数。
依据被错误识别的创意拐点更新创意拐点规则库的步骤如下:
记录被错误识别的创意拐点及其对应的草图行为子序列,待记录数量达到N2时,合并其中草图行为序列相同的创意拐点CP2i,并根据创意拐点CP2i对应的创意拐点规则R2i的误判频次n2;按误判频次从大到小对相应的创意拐点规则进行排序,从中挑选前M2条规则,减小这M2条创意拐点规则的权重;创意拐点规则R2i权重wik计算方法如下:
wik=wi(k-1)-Δw,
该式中,wik表示创意拐点规则R2i在第k次增量学习后的权重;
wi(k-1)表示创意拐点规则R2i在第k-1次增量学习后的权重;
Δw表示第k次增量学习后与第k-1次增量学习后创意拐点规则R2i权重改变量;
当wik≤0时,从创意拐点规则库中删除该创意拐点规则;
k≥1表示增量学习的次数。
依据被正确识别的创意拐点更新创意拐点规则库的步骤如下:
记录被正确识别的创意拐点及其对应的草图行为子序列,待记录数量达到N3时,合并其中草图行为序列相同的创意拐点CP3i,统计创意拐点CP3i对应创意拐点规则R3i的频次n3;按频次从大到小对创意拐点规则R3i进行排序,从中挑选前M3条创意拐点规则,增加这些创意拐点规则的权重;创意拐点规则R3i的权重wik的计算方法如下:
wik=wi(k-1)+Δw
该式中,wik表示创意拐点规则R3i在第k次增量学习后的权重;
wi(k-1)表示创意拐点规则R3i在第k-1次增量学习后的权重;
Δw表示第k次增量学习后与第k-1次增量学习后创意拐点规则R3i权重改变量;
k≥1,表示增量学习的次数。
本发明还提供了一种个性化创意拐点识别系统,包括以下单元:
规则库建立单元,用于建立草图行为规则库和创意拐点规则库;
草图行为序列识别单元,用于记录待识别的草图绘制数据,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列;
草图行为序列反馈单元,用于对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,利用更新后的草图行为规则库中的草图行为规则识别得到草图行为序列;
创意拐点识别单元,用于将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;
创意拐点反馈单元,用于对原始创意拐点识别进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,利用更新后的创意拐点规则库中的创意拐点规则识别得到创意拐点。
其中,所述规则库建立单元包括:
草图行为规则库建立模块,用于建立草图行为规则库;
创意拐点规则库建立模块,用于建立创意拐点规则库。
所述草图行为序列识别单元包括:
草图绘制数据记录模块,用于记录待识别的草图绘制数据;
草图行为识别模块,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列。
本发明通过建立用户适应机制,根据用户的反馈来解决计算机辅助草图设计过程中的创意拐点识别率低的问题,对具有不同设计思维和绘图习惯的用户均能得到较好的识别结果,具有用户界面友好、计算复杂度低、创意拐点识别率高的优点。
附图说明
图1为本发明一种个性化创意拐点识别方法的流程示意图;
图2为本发明一种个性化创意拐点识别方法的具体流程图;
图3为本发明一种个性化创意拐点识别系统示意图。
具体实施方式
下面结合附图,对本发明一种个性化创意拐点识别方法及系统做详细描述。
如图1所示,一种个性化创意拐点识别方法,包括以下步骤:
(1)建立草图行为规则库和创意拐点规则库;
a、定义草图行为规则,构建草图行为规则库。
综合考虑设计师草图表达特点及计算机对草图行为的识别能力后,依据草图行为的几何特征和动态特征,将草图行为划分为移动(记为M)、停顿(记为L)、绘图(记为D)、描线加深(记为E)和注释(记为T)五个草图行为类别,其中,移动和停顿属于非绘制行为,绘图、描线加深和注释属于绘制行为。
非绘制行为中的停顿和移动通过笔画时间间隔阈值t0和笔画距离阈值d0进行判定。笔画时间间隔指相邻两笔画从前一笔画结束到后一笔画开始所经历的时间,笔画距离指相邻两笔画从前一笔画结束位置到后一笔画开始位置的距离。
确定时间间隔的阈值t0的一种方法为:设定两个参数,分别为时间间隔采样数x和停顿/移动数y(y<x,y为停顿和移动的总数量),从草图绘制数据中选取最开始的x+1个笔画,得到x个笔画时间间隔t1,t2,…,tx。从ti’(1≤i’≤x)中找到一个值t′,使得ti’中大于t′的个数恰好为y,则选定t′为时间间隔阈值,即t0=t′。
若相邻两笔画时间间隔超过t0,则存在停顿和/或移动行为,停顿行为与移动行为通过笔画距离阈值d0来区分,笔画距离阈值可以用当前画笔的尺寸来确定。
对于绘制行为,通过提取特征来识别,设提取的草图行为特征共有n个,记为{f1,f2,…,fn},对每个草图行为特征进行归一化处理(消除不同草图行为特征之间的量纲,以便不同草图行为特征之间的运算),得到变换后的草图行为特征{f′1,f′2,…,f′n},即特征向量f。
给定一个草图行为未知的笔画集,通过下式计算该笔画集属于草图行为类别c(草图行为类别c指描线加深(E)和注释(T))的可能程度νc。
其中,c∈E时,即计算得到νE,νE表示草图行为属于描线加深行为的可能程度;
c∈T时,即计算得到νT,νT表示草图行为属于注释行为的可能程度;
wci(1≤i≤n)为草图行为类别c的权重系数,采用主成分分析法(Principal Components Analysis,PCA)来确定wci的值,具体操作为针对草图行为类别c,采集若干训练样本数据,并计算这些训练样本数据的特征值,然后对每个特征值做归一化处理,得到f′ci(1≤i≤n),再通过主成分分析法确定每个特征的权重系数。
权重wc0的取值使用下式进行估计:
其中,为所有训练样本数据特征值f′ci的平均值。
得到草图行为笔画集为描线加深行为的可能程度νE和注释行为的可能程度νT后,依据下式判断草图行为笔画集的草图行为类别:
若νE≤0,νT≤0,则判定草图行为笔画集为绘图行为D;
若νE>0,νE-νT≥0,则判定草图行为笔画集为描线加深行为E;
若νT>0,νE-νT<0,则判定草图行为笔画集为注释行为T。
本实施例中选择10种草图行为特征,即n为10,分为两大类笔画特征和草图行为笔画集特征,其中,4个笔画特征,分别为笔画长度f1,笔画转角数目f2,两笔画的夹角f3,两笔画重心距离f4;6个草图行为笔画集特征,分别为笔画集中与自身相交的笔画数目(例如一笔写成的数字8,就相当于该笔画与自己相交;一个笔画集中有n个笔画,其中m(m≤n)个笔画与自己相交,那么f5=m)f5,笔画集中笔画平均长度f6,笔画集图形宽高比f7,笔画集中连续平行笔画最大数目f8,相邻两笔画集图形的重心距离f9,相邻两笔画集图形的重叠面积f10。
依据非绘制行为的笔画时间间隔阈值和笔画距离阈值以及绘制行为的草图行为特征定义以下两种草图行为规则:
非绘制草图行为规则,基于笔画时间间隔阈值t0和笔画距离阈值d0来判定非绘制草图行为类别;
绘制草图行为规则,基于草图行为特征来判定绘制草图行为类别。
根据上述规则建立草图行为规则库(即初始草图行为规则库)。
b、构建创意拐点规则,建立创意拐点规则库;
人工收集一定数量的草图绘制数据,从这些草图绘制数据中提取出草图行为序列,具体操作如下:
将待识别的草图绘制数据中的每一个笔画单独看作一个待识别的草图行为笔画集,并按照绘制时间顺序对草图行为笔画集进行编号,依次为SC1,SC2,…,SCm。
依据草图行为规则库中的非绘制草图行为规则识别是否存在两种非绘制行为,将处于两个非绘制行为中间的草图行为笔画集看作位于同一绘图时间段内。
针对处于同一绘画时间段内的相邻的待识别的草图行为笔画集SCj,SCj+1,SCj+2(0<j≤m-2)作如下处理:
若SCj与SCj+1的空间距离小于SCj+1与SCj+2的空间距离(同时满足SCj与SCj+1的重心距离小于SCj+1与SCj+2的重心距离,SCj与SCj+1的重叠面积(SCj与SCj+1两个草图行为笔画集外切矩形的面积)小于SCj+1与SCj+2的重叠面积),则合并SCj与SCj+1为新的草图行为笔画集SC′j,然后继续检查SC′j,SCj+2,SCj+3;
若SCj与SCj+1的空间距离大于等于SCj+1与SCj+2的空间距离,则继续检查SCj+1,SCj+2,SCj+3,重复此步骤两次(次数可以依据需要进行选择,次数过多导致合并过渡会降低草图行为识别的精确度,次数过少会增加后续草图行为识别的计算量),最终得到新的若干个待识别草图行为笔画集。
依次计算新的若干个草图行为笔画集属于描线加深行为的可能程度νE,以及属于注释行为的可能程度值νT;根据νE和νT的值,判断草图行为笔画集所属的草图行为类别,将识别出的草图行为类别依据草图行为笔画集顺序进行编号S1,S2,…,Sk,即每一个新的草图行为笔画集对应一个草图行为类别的编号。
检查得到的新的草图行为笔画集中相邻两个的草图行为类别St和St+1(0<t≤k),
1)若St和St+1的草图行为类别相同,则合并两个草图行为类别为同一草图行为类别S′t,同时合并它们所对应的草图行为笔画集,继续检查相邻的草图行为类别S′t和St+2,若St和St+1的草图行为类别不同,则执行步骤2);
2)检查相邻的绘制行为的St、St+1和St+2,若St和St+2的草图行为类别相同且与St+1的草图行为类别不同,但St+1与St和St+2的空间距离均接近(设定草图行为笔画集的空间距离的阈值,小于该阈值即认为接近),则将St+1的草图行为类别修正为与St相同;
重复步骤1)和步骤2),遍历(可遍历多次,通常情况下两次即可)得到的所有新的草图行为笔画集,得到草图行为识别的结果,并将该结果按照绘制时间顺序组成草图行为序列,进行输出。
将草图绘制数据中识别出的q个连续的草图行为s1s2s3…sq组成一个草图行为序列,记为S;用length表示S的长度,即草图行为序列中草图行为的数目。
设计师在识别出的草图行为序列中标注创意拐点,将与每个创意拐点前后相邻包括创意拐点在内的p个连续草图行为组成草图行为子序列Sw(1≤w≤T),T为草图行为子序列的个数(也即草图行为序列S中创意拐点的个数,每个草图行为子序列对应一个创意拐点),若草图行为子序列中的草图行为个数小于p个(人为设定p),则用符号填充,表示此位置不存在草图行为。
针对Sw构建规则Rw,Rw定义如下:
IF X IsMatching Sw THEN Y
其中,X为待判定草图行为子序列;Sw表示符合创意拐点规则的草图行为子序列,长度为p;若匹配成功(即待判定草图行为子序列与符合创意拐点规则的草图行为子序列相同)则Y=1,否则Y=0。
合并相同的规则后,得到由M(M≤T)条规则构成的原始规则库,对每个规则Rw赋以权重αw:
#Rw为合并前相同创意拐点规则Rw(1≤w≤M)的数目;
N为合并前创意拐点规则的总数目。
上述原始规则库也即初始创意拐点规则库,该创意拐点规则库中不仅存储创意拐点规则,还相应存储每条规则对应的权重。
(2)记录待识别的草图绘制数据,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列。
依据步骤(1)中的草图行为序列的识别方法,识别得到原始草图行为序列。
(3)对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,利用更新后的草图行为规则库中的草图行为规则识别得到草图行为序列。
用户对原始草图行为序列进行反馈,即对原始草图行为序列中的识别结果是否正确做出判断。
采用增量学习的方法处理用户对原始草图行为序列的反馈,具体操作如下:
A、对于非绘制行为的移动和停顿,记录在发生错误或遗漏识别时的笔画时间间隔Ti(移动行为的错误或遗漏识别以及停顿行为的错误或遗漏识别分别对应一个Ti)和笔画距离Di(移动行为的错误或遗漏识别以及停顿行为的错误或遗漏识别分别对应一个Di);对于绘制行为的描线加深和注释,计算被错误识别时对应的草图行为特征向量fci,并记录草图行为特征向量fci,其中c表示草图行为类别,例如取值E时表示描线加深,取值T时表示注释。
B、当Ti记录次数累计达到N0时,调整非绘制行为规则对应的笔画时间间隔阈值t0。调整方法如下:
其中,k≥1,表示增量学习的次数(每当Ti记录次数累计达到N0时进行一次增量学习);
表示在第k次增量学习后计算出的笔画时间间隔阈值;
Δt表示第k次增量学习后与第k-1次增量学习后的笔画时间间隔阈值的改变量;
Nthreshold表示通过主成分分析方法确定初始草图行为规则库中绘制行为的草图行为特征权重系数时采用的训练样本数目。
当Di记录次数累计达到N0时,调整非绘制行为规则对应的笔画距离阈值d0。调整方法如下:
调整方法如下:
其中,k≥1,表示增量学习的次数(每当Di记录次数累计达到N0时进行一次增量学习);
表示在第k次增量学习后计算出的笔画距离阈值;
Δd表示第k次增量学习后与第k-1次增量学习后的笔画距离阈值的改变量;
Nthreshold表示通过主成分分析方法确定初始草图行为规则库中绘制行为的草图行为特征权重系数时采用的训练样本数目。
当fci记录次数累计达到N0时,调整绘制行为规则对应草图行为特征的权重系数。调整方法如下:
根据fci(1≤i≤N0),利用主成分分析法得到一组目标权重系数w′cj(1≤j≤n),n为草图行为特征数目(记录每次被纠正后的草图行为作为样本,对所有样本通过主成分分析确定样本各个特征的权重系数;i为样本的序号),利用下面的公式对当前草图行为规则库中的权重系数进行调整:
其中,其中,k≥1,表示增量学习的次数(每当fci记录次数累计达到N0时,进行一次增量学习);
表示草图行为类别为c的草图行为的第j个特征权重系数在第k-1次增量学习后的值;
Δwcj表示在第k次增量学习后与第k-1次增量学习后草图行为类别为c的草图行为的第j个特征权重系数的改变量;
Nthreshold表示通过主成分分析方法确定初始草图行为规则库中绘制行为的草图行为特征权重系数时采用的训练样本数目。
草图行为规则库中的规则更新完毕后,再次对草图绘制数据进行识别,得到草图行为序列。
(4)将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;
建立一个长度为p(与规则库中每个规则所对应的草图行为序列的长度相同)的草图行为序列窗口,将该草图行为序列窗口沿步骤(3)中反馈后的草图行为序列依次移动:
若处于草图行为序列窗口内的草图行为序列的长度为p,则在创意拐点规则库中按照创意拐点规则权重由大至小的顺序与之进行匹配,如果匹配成功,则记录该创意拐点信息并生成创意拐点图,同时将草图行为序列窗口向前移动p个草图行为;如果匹配不成功,则草图行为序列窗口向前移动1个草图行为;
若处于草图行为序列窗口内的草图行为序列的长度小于p,则等待新的草图行为的输入,若没有草图新的草图行为的输入,则识别过程结束。
(5)对原始创意拐点识别进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,利用更新后的创意拐点规则库中的创意拐点规则识别得到创意拐点。
用户对原始创意拐点识别进行反馈,采用增量学习方法处理用户针对创意拐点识别结果的反馈,具体操作如下:
5-1、处理被遗漏识别的创意拐点
记录被遗漏识别的创意拐点及其对应的草图行为子序列(每个创意拐点对应一个草图行为子序列),待记录数量达到N1时,合并其中草图行为子序列相同的创意拐点CP1i,并根据创意拐点CP1i提取新规则R1i,新规则R1i的频次与创意拐点CP1i频次相同,为n1;按新规则R1i的频次从大到小对新规则R1i进行排序,从中挑选前M1条新规则加入到创意拐点规则库中,为新规则R1i赋初始权重wi0,计算方法如下:
其中,m为本次增量学习之前创意拐点规则库中的创意拐点规则数目;
wj为本次增量学习之前创意拐点规则库中创意拐点规则Rj对应的权重;
k≥1表示增量学习的次数。
5-2、处理被错误识别的创意拐点
记录被错误识别的创意拐点及其对应的草图行为子序列,待记录数量达到N2时,合并其中草图行为序列相同的创意拐点CP2i,并根据创意拐点CP2i对应的创意拐点规则R2i的误判频次n2;按误判频次大小对相应的创意拐点规则进行排序,从中挑选前M2条规则,减小这M2条创意拐点规则的权重;创意拐点规则R2i权重wik计算方法如下:
wik=wi(k-1)-Δw,
该式中,wik表示创意拐点规则R2i在第k次增量学习后的权重;
wi(k-1)表示创意拐点规则R2i在第k-1次增量学习后的权重;
Δw表示第k次增量学习后与第k-1次增量学习后创意拐点规则R2i权重改变量;
当wik≤0时,从创意拐点规则库中删除该创意拐点规则;
k≥1表示增量学习的次数。
5-3、处理被正确识别的创意拐点
记录被正确识别的创意拐点及其对应的草图行为子序列,待记录数量达到N3时,合并其中草图行为序列相同的创意拐点CP3i,统计创意拐点CP3i对应创意拐点规则R3i的频次n3;按频次从大到小对创意拐点规则R3i进行排序,从中挑选前M3条创意拐点规则,增加这些创意拐点规则的权重;创意拐点规则R3i的权重wik的计算方法如下:
wik=wi(k-1)+Δw
该式中,wik表示创意拐点规则R3i在第k次增量学习后的权重;
wi(k-1)表示创意拐点规则R3i在第k-1次增量学习后的权重;
Δw表示第k次增量学习后与第k-1次增量学习后创意拐点规则R3i权重改变量;
k≥1,表示增量学习的次数。
创意拐点规则库中的规则更新后,再次对步骤(3)中反馈得到的草图行为序列进行创意拐点的识别,并将识别得到的创意拐点组成创意拐点图。
如图2所示,本发明实施例的详细实施步骤如下:
101、初始化草图行为规则库与创意拐点规则库;
102、等待待识别的草图绘制数据录入,如果有新的草图绘制数据录入,则记录用户草图绘制数据,否则结束识别过程;
103、对草图绘制数据做草图行为笔画集划分;
104、对草图行为笔画集进行草图行为判定;
105、合并连续的同类型草图行为,得到原始草图行为序列;
106、如需对原始草图行为序列识别结果做反馈,则根据用户的反馈调整草图行为规则库中的草图行为规则,然后跳到步骤103重新识别草图行为;否则跳到步骤107;
107、将识别出的草图行为序列加入到草图行为序列窗口中;若窗口内的草图行为序列可以进行创意拐点规则匹配,则跳至步骤108;否则,跳到步骤102;
108、根据步骤107中草图行为序列窗口中长度为p的草图行为序列S′,判定规则库中是否存在尚未与S′进行匹配的规则,若存在,从尚未进行匹配的规则中选取权重最大的规则与S′匹配,跳到步骤109;若不存在,跳到步骤110;
109、若匹配成功,记录创意拐点信息并生成创意拐点图;
110、如果需要对创意拐点识别结果进行反馈,则根据用户反馈调整创意拐点规则库中的创意拐点规则,然后跳到步骤108重新识别创意拐点;否则跳到步骤111;
111、草图行为序列窗口向前滑动,跳到步骤102。
如图3所示,本发明还提供了一种个性化创意拐点识别系统,包括以下单元:
规则库建立单元,用于建立草图行为规则库和创意拐点规则库;
草图行为序列识别单元,用于记录待识别的草图绘制数据,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列;
草图行为序列反馈单元,用于对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,利用更新后的草图行为规则库中的草图行为规则识别得到草图行为序列;
创意拐点识别单元,用于将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;
创意拐点反馈单元,用于对原始创意拐点识别进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,利用更新后的创意拐点规则库中的创意拐点规则识别得到创意拐点。
其中,所述规则库建立单元包括:
草图行为规则库建立模块,用于建立草图行为规则库;
创意拐点规则库建立模块,用于建立创意拐点规则库。
其中,所述草图行为序列识别单元包括:
草图绘制数据记录模块,用于记录待识别的草图绘制数据;
草图行为识别模块,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列。
Claims (8)
1.一种个性化创意拐点识别方法,其特征在于,包括以下步骤:
(1)建立草图行为规则库和创意拐点规则库;
(2)记录待识别的草图绘制数据,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列;
(3)对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,利用更新后的草图行为规则库中的草图行为规则识别得到草图行为序列;
(4)将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;
(5)对原始创意拐点进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,利用更新后的创意拐点规则库中的创意拐点规则识别得到创意拐点。
2.如权利要求1所述的个性化创意拐点识别方法,其特征在于,所述步骤(5)中的对原始创意拐点识别进行反馈,将反馈的创意拐点分为三类,分别为被遗漏识别的创意拐点、被错误识别的创意拐点以及被正确识别的创意拐点,依据这三类创意拐点分别更新创意拐点规则库。
3.如权利要求2所述的个性化创意拐点识别方法,其特征在于,依据被遗漏识别的创意拐点更新创意拐点规则库的步骤如下:
记录被遗漏识别的创意拐点及其对应的草图行为子序列,待记录数量达到N1时,合并其中草图行为子序列相同的创意拐点CP1i,并根据创意拐点CP1i提取新规则R1i,新规则R1i的频次与创意拐点CP1i频次相同,为n1;按新规则R1i的频次从大到小对新规则R1i进行排序,从中挑选前M1条新规则加入到创意拐点规则库中,为新规则R1i赋初始权重wi0,计算方法如下:
其中,m为本次增量学习之前创意拐点规则库中的创意拐点规则数目;
wj为本次增量学习之前创意拐点规则库中创意拐点规则Rj对应的权重;
k≥1表示增量学习的次数。
4.如权利要求2所述的个性化创意拐点识别方法,其特征在于,依据被错误识别的创意拐点更新创意拐点规则库的步骤如下:
记录被错误识别的创意拐点及其对应的草图行为子序列,待记录数量达到N2时,合并其中草图行为序列相同的创意拐点CP2i,并根据创意拐点CP2i对应的创意拐点规则R2i的误判频次n2;按误判频次从大到小对相应的创意拐点规则进行排序,从中挑选前M2条规则,减小这M2条创意拐点规则的权重;创意拐点规则R2i权重wik计算方法如下:
wik=wi(k-1)-Δw,
该式中,wik表示创意拐点规则R2i在第k次增量学习后的权重;
wi(k-1)表示创意拐点规则R2i在第k-1次增量学习后的权重;
Δw表示第k次增量学习后与第k-1次增量学习后创意拐点规则R2i权重改变量;
当wik≤0时,从创意拐点规则库中删除该创意拐点规则;
k≥1表示增量学习的次数。
5.如权利要求2所述的个性化创意拐点识别方法,其特征在于,依据被正确识别的创意拐点更新创意拐点规则库的步骤如下:
记录被正确识别的创意拐点及其对应的草图行为子序列,待记录数量达到N3时,合并其中草图行为序列相同的创意拐点CP3i,统计创意拐点CP31对应创意拐点规则R3i的频次n3;按频次从大到小对创意拐点规则R3i进行排序,从中挑选前M3条创意拐点规则,增加这些创意拐点规则的权重;创意拐点规则R3i的权重wik的计算方法如下:
wik=wi(k-1)+Δw
该式中,wik表示创意拐点规则R3i在第k次增量学习后的权重;
wi(k-1)表示创意拐点规则R3i在第k-1次增量学习后的权重;
Δw表示第k次增量学习后与第k-1次增量学习后创意拐点规则R3i权重改变量;
k≥1,表示增量学习的次数。
6.一种个性化创意拐点识别系统,其特征在于,包括以下单元:
规则库建立单元,用于建立草图行为规则库和创意拐点规则库;
草图行为序列识别单元,用于记录待识别的草图绘制数据,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列;
草图行为序列反馈单元,用于对原始草图行为序列进行反馈,并依据该反馈调整草图行为规则,更新草图行为规则库,利用更新后的草图行为规则库中的草图行为规则识别得到草图行为序列;
创意拐点识别单元,用于将草图行为序列与创意拐点规则库中的创意拐点规则进行匹配,识别得到原始创意拐点;
创意拐点反馈单元,用于对原始创意拐点识别进行反馈,并依据该反馈调整创意拐点规则,更新创意拐点规则库,利用更新后的创意拐点规则库中的创意拐点规则识别得到创意拐点。
7.如权利要求6所述的个性化创意拐点识别系统,其特征在于,所述规则库建立单元包括:
草图行为规则库建立模块,用于建立草图行为规则库;
创意拐点规则库建立模块,用于建立创意拐点规则库。
8.如权利要求7所述的个性化创意拐点识别系统,其特征在于,所述草图行为序列识别单元包括:
草图绘制数据记录模块,用于记录待识别的草图绘制数据;
草图行为识别模块,根据草图行为规则库中的草图行为规则识别草图绘制数据中的草图行为,并输出原始草图行为序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310046964.5A CN103106308B (zh) | 2013-02-06 | 2013-02-06 | 一种个性化创意拐点识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310046964.5A CN103106308B (zh) | 2013-02-06 | 2013-02-06 | 一种个性化创意拐点识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103106308A true CN103106308A (zh) | 2013-05-15 |
CN103106308B CN103106308B (zh) | 2015-06-17 |
Family
ID=48314162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310046964.5A Expired - Fee Related CN103106308B (zh) | 2013-02-06 | 2013-02-06 | 一种个性化创意拐点识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106308B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794741A (zh) * | 2015-04-09 | 2015-07-22 | 北京工商大学 | 一种手绘图形伪折点的消除方法及系统 |
CN108229501A (zh) * | 2017-12-20 | 2018-06-29 | 大连理工大学 | 融合纹理特征与形状特征的时序性的草图识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436535A (zh) * | 2012-01-19 | 2012-05-02 | 浙江大学 | 计算机辅助设计过程中创意拐点的识别方法及系统 |
-
2013
- 2013-02-06 CN CN201310046964.5A patent/CN103106308B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436535A (zh) * | 2012-01-19 | 2012-05-02 | 浙江大学 | 计算机辅助设计过程中创意拐点的识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
姜全胜: "基于用户建模的手绘草图识别", 《计算机仿真》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794741A (zh) * | 2015-04-09 | 2015-07-22 | 北京工商大学 | 一种手绘图形伪折点的消除方法及系统 |
CN104794741B (zh) * | 2015-04-09 | 2017-06-16 | 北京工商大学 | 一种手绘图形伪折点的消除方法及系统 |
CN108229501A (zh) * | 2017-12-20 | 2018-06-29 | 大连理工大学 | 融合纹理特征与形状特征的时序性的草图识别方法 |
CN108229501B (zh) * | 2017-12-20 | 2021-09-28 | 大连理工大学 | 融合纹理特征与形状特征的时序性的草图识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103106308B (zh) | 2015-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10963685B2 (en) | Generating variations of a known shred | |
CN110837836A (zh) | 基于最大化置信度的半监督语义分割方法 | |
CN110114776B (zh) | 使用全卷积神经网络的字符识别的系统和方法 | |
US20170076152A1 (en) | Determining a text string based on visual features of a shred | |
KR20070110399A (ko) | 인식 그래프 | |
CN107220281B (zh) | 一种音乐分类方法及装置 | |
CN108536784B (zh) | 评论信息情感分析方法、装置、计算机存储介质和服务器 | |
JP2000207492A (ja) | 手書き漢字を自動的にセグメント分割し、認識するための方法およびシステム | |
JP6693887B2 (ja) | ライン・セグメント化方法 | |
CN107392128A (zh) | 基于双低秩表示和局部约束矩阵回归的鲁棒图像识别方法 | |
US10373028B2 (en) | Pattern recognition device, pattern recognition method, and computer program product | |
JP2019066974A (ja) | 動体追跡装置、動体追跡方法、動体追跡プログラム | |
CN105549885A (zh) | 滑屏操控中用户情绪的识别方法和装置 | |
CN110909868A (zh) | 基于图神经网络模型的节点表示方法和装置 | |
CN105469123A (zh) | 一种基于k平面回归的缺失数据补全方法 | |
CN104881640A (zh) | 一种获取向量的方法及装置 | |
Cholewa et al. | Estimation of the number of states for gesture recognition with Hidden Markov Models based on the number of critical points in time sequence | |
CN112307820A (zh) | 文本识别方法、装置、设备和计算机可读介质 | |
CN113240113A (zh) | 一种增强网络预测鲁棒性的方法 | |
CN103106308B (zh) | 一种个性化创意拐点识别方法及系统 | |
CN103136515B (zh) | 基于草图行为序列的创意拐点识别方法及系统 | |
JPWO2019092867A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR102154425B1 (ko) | 인공지능 학습을 위한 유사데이터 생성 방법 및 장치 | |
CN111144462A (zh) | 一种雷达信号的未知个体识别方法及装置 | |
CN104050461B (zh) | 一种复杂3d运动识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150617 |
|
CF01 | Termination of patent right due to non-payment of annual fee |