CN116502882B - 基于多模态时序信息融合的工程进度确定方法及装置 - Google Patents

基于多模态时序信息融合的工程进度确定方法及装置 Download PDF

Info

Publication number
CN116502882B
CN116502882B CN202310788030.2A CN202310788030A CN116502882B CN 116502882 B CN116502882 B CN 116502882B CN 202310788030 A CN202310788030 A CN 202310788030A CN 116502882 B CN116502882 B CN 116502882B
Authority
CN
China
Prior art keywords
time sequence
information
engineering
engineering progress
mode
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.)
Active
Application number
CN202310788030.2A
Other languages
English (en)
Other versions
CN116502882A (zh
Inventor
林兰芬
王弘毅
孙浩
石钟韶
徐宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Haolian Intelligent Technology Co ltd
Hangzhou New China And Big Polytron Technologies Inc
Zhejiang University ZJU
Original Assignee
Hangzhou Haolian Intelligent Technology Co ltd
Hangzhou New China And Big Polytron Technologies Inc
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Haolian Intelligent Technology Co ltd, Hangzhou New China And Big Polytron Technologies Inc, Zhejiang University ZJU filed Critical Hangzhou Haolian Intelligent Technology Co ltd
Priority to CN202310788030.2A priority Critical patent/CN116502882B/zh
Publication of CN116502882A publication Critical patent/CN116502882A/zh
Application granted granted Critical
Publication of CN116502882B publication Critical patent/CN116502882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明实施例公开了一种基于多模态时序信息融合的工程进度确定方法及装置。其中，方法包括：获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；根据所述融合后的多模态时序信息确定当前工程进度。本发明实施例的方案，可以基于施工现场的多模态信息进行工程进度的准确确定。

Description

基于多模态时序信息融合的工程进度确定方法及装置
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种基于多模态时序信息融合的工程进度确定方法及装置。
背景技术
随着计算机技术的不断发展，智慧工地也得到了广泛地应用，这给各建筑工地项目带来了极大地便利。
现阶段，主要依据获取到的图像信息进行施工进度的确定，这种方法准确性较低且灵活性较差。
如何基于施工现场的多模态信息进行工程进度的准确确定是业内研究的重点问题。
发明内容
本发明实施例提供了一种基于多模态时序信息融合的工程进度确定方法及装置，可以基于施工现场的多模态信息进行工程进度的准确确定。
根据本发明实施例的一方面，提供了一种基于多模态时序信息融合的工程进度确定方法，包括：
获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；
分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；
将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；
根据所述融合后的多模态时序信息确定当前工程进度；
其中，所述当前工程进度信息包括：工地图像信息、工地人员构成信息以及工地建材仓储信息中的至少两项；
所述时序工程特征包括：时序工地图像信息、时序工地人员构成信息以及时序工地建材仓储信息中的至少两项。
根据本发明实施例的另一方面，提供了一种基于多模态时序信息融合的工程进度确定装置，其特征在于，包括：
获取模块，用于获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；
时序工程特征确定模块，用于分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；
多模态时序信息确定模块，用于将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；
当前工程进度确定模块，用于根据所述融合后的多模态时序信息确定当前工程进度；
其中，所述当前工程进度信息包括：工地图像信息、工地人员构成信息以及工地建材仓储信息中的至少两项；
所述时序工程特征包括：时序工地图像信息、时序工地人员构成信息以及时序工地建材仓储信息中的至少两项。
根据本发明实施例的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例任一实施例所述的基于多模态时序信息融合的工程进度确定方法。
根据本发明实施例的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明实施例任一实施例所述的基于多模态时序信息融合的工程进度确定方法。
本发明实施例的技术方案，通过获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；根据所述融合后的多模态时序信息确定当前工程进度，可以基于施工现场的多模态信息进行工程进度的准确确定。
应当理解，本部分所描述的内容并非旨在标识本发明实施例的实施例的关键或重要特征，也不用于限制本发明实施例的范围。本发明实施例的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种基于多模态时序信息融合的工程进度确定方法的流程图；
图2是根据本发明实施例一提供的一种基于多模态时序信息融合的工程进度确定方法的整体流程示意图；
图3是根据本发明实施例二提供的一种基于多模态时序信息融合的工程进度确定装置的结构示意图；
图4是实现本发明实施例的基于多模态时序信息融合的工程进度确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明实施例一部分的实施例，而不是全部的实施例。基于本发明实施例中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
需要说明的是，本发明实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明实施例的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种基于多模态时序信息融合的工程进度确定方法的流程图，本实施例可适用于基于施工现场的多模态信息进行工程进度的确定的情况，该方法可以由基于多模态时序信息融合的工程进度确定装置来执行，该基于多模态时序信息融合的工程进度确定装置可以采用硬件和/或软件的形式实现，该基于多模态时序信息融合的工程进度确定装置可配置于计算机、服务器或者平板电脑等电子设备中。具体的，参考图1，该方法具体包括如下步骤：
步骤110、获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息。
其中，当前工程进度信息可以包括：工地图像信息、工地人员构成信息以及工地建材仓储信息中的至少两项，示例性的，当前工程进度信息可以包括：工地图像信息和工地人员构成信息、工地人员构成信息和工地建材仓储信息，或者，工地图像信息、工地人员构成信息和工地建材仓储信息，本实施例中对其不加以限定。
在本实施例的一个可选实现方式中，可以从施工工地的本地数据库中同时获取各摄像头采集到的工地图像信息、工地人员构成信息以及工地建材仓储信息。
可以理解的是，工地图像信息可以包含工地各个区域的信息，例如，施工现场所用材料，现场人员分布等；工地人员构成信息中可以包含不同工种的数量，例如，瓦工100人，木工120人，电工30人等；工地建材仓储信息可以包含工地仓库中各建材的出入库情况，例如，入库水泥10吨，出库水泥6吨等，本实施例中对其不加以限定。
在本实施例中，与各工程进度信息对应的历史工程进度信息可以为前几个月的工程进度信息；例如，前2个月、前3个月或者前6个月等，本实施例中对其不加以限定；示例性的，当前工程进度信息为当月的工地图像信息，那么与其对应的历史工程进度信息可以为前2个月的工地图像信息；当前工程进度信息为当月的工地人员构成信息，那么与其对应的历史工程进度信息可以为前2个月的工地人员构成信息；当前工程进度信息为当月的工地建材仓储信息，那么与其对应的历史工程进度信息可以为前2个月的工地建材仓储信息。
步骤120、分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征。
在本实施例的一个可选实现方式中，在得到各当前工程进度信息以及与各当前工程进度信息对应的历史工程进度信息之后，可以分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征。
可选的，在本实施例中，分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征，可以包括：按照时间先后顺序将所述当前工程进度信息以及与所述当前工程进度信息对应的历史工程进度信息进行排序，得到时序工程进度信息；将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征。
其中，时序工程特征可以包括：时序工地图像信息、时序工地人员构成信息以及时序工地建材仓储信息中的至少两项，本实施例中对其不加以限定。例如，时序工程特征可以包括：时序工地图像信息和时序工地人员构成信息、时序工地图像信息和时序工地建材仓储信息，或者，时序工地图像信息、时序工地人员构成信息和时序工地建材仓储信息。
可选的，在本实施例中，将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征，可以包括：时序工程特征提取模块基于自注意力机制捕获所述时序工程进度信息中满足时序差异阈值的信息，并分配所述信息目标权重；根据各所述目标权重得到所述时序工程特征。
在本实施例的一个可选实现方式中，可以收集待预测工程进度当月的工地图像信息，以及当月前的两个月的工地图像信息。将三个月的图像信息按照时间顺序排列，形成时序工地图像信息；还可以收集待预测工程进度当月的工地人员构成信息，以及当月前的两个月的工地人员构成信息。将三个月的工地人员构成信息按照时间顺序排列，形成时序工地人员构成信息；还可以收集待预测工程进度当月的工地建材仓储信息，以及当月前的两个月的工地建材仓储信息。将三个月的工地建材仓储信息按照时间顺序排列，形成时序工地建材仓储信息。
进一步的，可以将上述信息分别送入到时序工程特征提取模块中，在各个模态内部编码时序信息，得到形状为L×D的特征。其中L为该模态特征经时序编码后的时序序列长度，D为特征通道数。具体来说，时序工程特征提取模块主要依靠自注意力机制捕获三个月内各模态数据集时序差异最大的信息，并给予这些信息较大的权重，使得之后的工程进度预测任务能综合考虑到这些时许上产生变化的特征，从而实现针对当月工程进度更准确的预测。除此之外，在本实施例中，利用时序信息也可以避免模型产生工程进度倒退等不符合现实逻辑的预测结果，解决了之前仅采用单一时间点信息可能出现的这一问题。对某一个模态的输入X，时序工程特征提取模块具体进行以下操作：
；
；
；
；
；
其中，W_K, W_Q, W_V均为学习的参数矩阵，d_k为K的特征维度数量，LN()为层正则化操作，Linear()为带偏置的线性层。Softmax()和Tanh()均为对应的激活函数。
步骤130、将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息。
在本实施例的一个可选实现方式中，在确定得到各时序工程特征之后，可以进一步的将确定得到的各时序工程特输入至本实施例中涉及到的基于维度解耦的多模态融合模块中，从而得到融合后的多模态时序信息。
在本实施例的一个可选实现方式中，将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息，可以包括：通过所述基于维度解耦的多模态融合模块将各所述时序工程特征组合为一个三维空间张量；对所述三维空间张量进行维度解耦，并在解耦后的三维空间张量中得到多模态时序信息。
可选的，在本实施例中，在得到各个模态的L×D时序工程特征后，需要将其按照模态维度堆叠、拼接起来，形成一个M×L×D的长方体形张量，然后就需要通过所提出的基于纯线性层的轻量化多模态信息融合模块进一步融合、提取其中的特征信息：首先，将M×L×D的三维特征重新排列为MD ×L的二维特征X，然后只在L所在维度上使用线性层进行特征变换，得到进一步融合的时序序列特征信息。特征变换过程具体来说是：X’ = W1×X + B1,其中W为L×L’’形状的可学习参数，B为L’’形状的可学习偏置。然后我们再使用另外一个变换将时间维度映射为想要的长度X’’ = W2×X’ + B2,其中W2为L’’×L’形状的可学习参数，B为L’形状的可学习参数。这样我们即可得到形状为MD×L’的特征；将变换后的MD ×L’二维特征还原为M×L’×D后，再将M×L’×D的三维特征重新排列为DL’×M的二维特征，然后再在M所在维度上使用线性层进行上述的特征变换，得到模态间交互后的多模态融合特征信息，并将变换后的DL’×M’二维特征还原为M’×L’×D；最后，将M’×L’×D的三维特征重新排列为M’L’×D的二维特征，然后在D所在维度上使用线性层进行上述的特征变换，得到更丰富的特征表达，并将变换后的M’L’ ×D’二维特征还原为M’×L’×D’。
进一步的，分别在三个维度上完成信息交互后，还需要将该信息多次输入至基于维度解耦的多模态融合模块进行处理，例如，两次或者三次等；这样可以确保M×L×D的空间内每一个体素均能与其他体素产生交互，实现与直接在整个M×L×D张量上进行线性变换相一致的效果。
需要说明的是，本实施例中涉及到的基于维度解耦的多模态融合模块，会把三个不同模态的时序工程特征先组合为一个三维空间张量，然后再进行维度解耦，分别从特征张量的各个维度实现模态间、特征通道间、和时序间的进一步信息交互和特征融合。
可选的，在本实施例中，基于维度解耦的多模态融合模块对三个模态的输入X1，X2和X3，该模块的具体操作步骤为：
；
；
；
；
；
；
；
；
其中，Concat()为矩阵拼接函数，reshape()为矩阵元素重排列函数，ReLU()为相应激活函数，Bias为可学习的归纳偏执向量。由上述公式可看出，显然，相比传统的方法直接在整个特征张量上进行融合，本发明提出的方案将算法所需空间复杂度从O(M×L×D)大幅降低至了O(max(M, L, D))，计算效率得到了提高，因此更适合于工地中常见的边缘计算设备上。
在本实施例中，基于维度解耦的多模态时序特征融合模块将隐藏空间RM×D×L中的张量最终转换至新的隐藏空间RM’’×D’’×L’’中，其中M’’，D’’和L’’均为可供自定义的超参数。不过，无论是M’’，D’’还是L’’，在本实施例中，其设定的数值应大于或者等于max(min(M,L,D)，rank(Xa)；这样可以免导致严重的信息损耗。其中，rank(Xa)为Concat()后的三维张量的秩，定义为在线性组合中产生的秩一张量的最小数目。此外，由于L和D往往远大于M，因此在参数设置上L’’和D’’还应当满足分别小于等于L和D。在默认情况下，M’’，L’’和D’’的值均被设置为M，以实现仅消耗最低计算代价的目的；可以理解的是，在现实情况下，这三个参数也可以在满足上述要求的前提下根据边缘计算设备的性能动态调整。
在本实施例的一个可选实现方式中，在得到融合后的多模态时序信息之前，还包括：
将基于维度解耦的多模态融合模块的输出结果继续输入至下一个基于维度解耦的多模态融合模块中，直至满足预设停止条件为止。
需要说明的是，在经过第一时序信息多模态融合模块对各时序工程特征进行处理后，模型初步提取出当月数据相比前两月数据产生明显差异的地方，并在被解耦的各维度上产生了信息交互。之后，输出的结果还需要被送进第二时序信息多模态融合模块，目的是在经过第一时序信息多模态融合模块初步编码后的特征张量上定位关键差异特征的变化程度信息，并使得先前仅在各解耦维度上有所交互的多模态特征信息产生进一步的内部信息交互，达到更全面的信息融合；由于此时每一个元素均已和其所在行、列、深方向上的元素有过信息交互，在第二时序信息多模态融合模块中再次进行基于维度解耦的特征融合就可以实现每一个元素间接与剩余所有元素的交互，因此在实际生产应用中，需要确保时序信息多模态融合模块至少连续进行两次。与前一次操作将RM×D×L隐藏空间中的张量投影至新的RM’’×L’’×D’’不同，在此之后的操作都是在固定的RM’’×D’’×L’’隐藏空间中进行变换，这样可以最大程度降度对计算资源的消耗。并且，由于原先的三个独立模态经过第一时序信息多模态融合模块后已经被组合为了一个融合后的三位张量，第二时序信息多模态融合模块中的时序特征提取模块同时也将变为负责对在新的RL’’×M’’×D’’空间中的三维张量，针对L维度单独进行时序信息的提取
在本实施例中，将X’先reshape成（M’’L’’×D’’）的二维特征即可。之后的公式和上述步骤中的一样。当然，最终得到的Output也需要再通过reshape()函数变换回形状为（M’’×L’’×D’’）的三维矩阵，以便后面的基于维度解耦的多模态融合模块接受为输入。
需要说明的是，在本实施例中，为了实现更加准确全面的施工进度预测，还需要将第二时序信息多模态融合模块的输出输入至第三时序信息多模态融合模块，该模块将进一步评估关键变化特征的变化值是否可以被认为达到了标志工程进入下一施工阶段的阈值。之后，将第三时序信息多模态融合模块的输出输入至第四时序信息多模态融合模块，根据各关键变化特征是否达到标志工程进入下一施工阶段的阈值来进行信息融合，综合判断当前工程整体的施工进度。第三和第四时序信息多模态融合模块的结构和第二时序信息多模态融合模块是完全一致的。
步骤140、根据所述融合后的多模态时序信息确定当前工程进度。
在本实施例的一个可选实现方式中，在得到融合后的多模态时序信息之后，可以进一步的根据融合后的多模态时序信息确定当前工程进度。
可以理解的是，在本实施例中，融合后的多模态时序信息为一个三维张量；进一步的，所述根据所述融合后的多模态时序信息确定当前工程进度，可以包括：将所述融合后的多模态时序信息展开为一个一维向量；将所述一维向量输入至分类器中，得到当前工程进度。
可选的，在本实施例的一个可选实现方式中，将形状为M’’×L’’×D’’的张量reshape（拉平）为M’’L’’D’’的一维向量，并连接一个线性分类器，根据第四时序信息多模态融合模块的输入信息对每一个可能的施工阶段评价可能性，并最终将对应可能性最大的施工进度输出为针对当前项目施工进度的最后预测结果。
本实施例的方案，可以帮助更准确地预测施工进度信息。传统的方法仅基于图像输入，容易因为视野遮挡等问题输出不准确的预测；可以帮助更准确地预测施工进度信息。因为施工进度是随着时间流逝逐步推进的，不可能过了一个月后进度反而倒退，因此使用时序施工进度信息可以得到更合理、更准确的预测结果；可以实现更高效的多模态时序信息融合。传统方法将所有维度混合在一起处理，导致计算量大，且模型难以从复杂的输入中提取出有效信息。
本实施例的技术方案，通过获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；根据所述融合后的多模态时序信息确定当前工程进度，可以基于施工现场的多模态信息进行工程进度的准确确定。
为了更好地理解本实施例中涉及到的基于多模态时序信息融合的工程进度确定方法，图2是根据本发明实施例一提供的一种基于多模态时序信息融合的工程进度确定方法的整体流程示意图；图2中，第一当前工程进度信息，以及与第一当前工程进度信息对应的历史工程进度信息、第二当前工程进度信息，以及与第二当前工程进度信息对应的历史工程进度信息和第三当前工程进度信息，以及与第三当前工程进度信息对应的历史工程进度信息可以为任一工程进度信息，例如，工地图像信息、工地人员构成信息以及工地建材仓储信息等。
参考图2，在本实施例中，首先对各个工程进度信息进行单独处理，例如，对于每个月的工程图像信息，先通过卷积神经网络提取特征，然后再将该月特征与前两月的特征形成时序数据，再通过时序工程特征提取模块提取其中的时序信息，形成针对该图像模态的L×D特征。其中，L为特征序列长度，D为特征的通道数。
进一步的，在得到各个模态的L×D时序特征后，需要将其按照模态维度堆叠、拼接起来，形成一个M×L×D的长方体形张量，然后就需要通过所提出的基于纯线性层的轻量化多模态信息融合模块进一步融合得到融合后的特征信息，进一步的，可以对融合后的特征信息进行展开处理，并通过线性预测器得到最终的施工进度识别结果。
实施例二
图3是根据本发明实施例二提供的一种基于多模态时序信息融合的工程进度确定装置的结构示意图。如图3所示，该装置包括：获取模块310、时序工程特征确定模块320、多模态时序信息确定模块330以及当前工程进度确定模块340。
获取模块310，用于获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；
时序工程特征确定模块320，用于分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；
多模态时序信息确定模块330，用于将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；
当前工程进度确定模块340，用于根据所述融合后的多模态时序信息确定当前工程进度。
本实施例的方案，通过获取模块获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；通过时序工程特征确定模块分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；通过多模态时序信息确定模块将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；通过当前工程进度确定模块根据所述融合后的多模态时序信息确定当前工程进度，可以基于施工现场的多模态信息进行工程进度的准确确定。
在本实施例的一个可选实现方式中，
其中，所述当前工程进度信息包括：工地图像信息、工地人员构成信息以及工地建材仓储信息中的至少两项；
所述时序工程特征包括：时序工地图像信息、时序工地人员构成信息以及时序工地建材仓储信息中的至少两项。
在本实施例的一个可选实现方式中，时序工程特征确定模块320，具体用于按照时间先后顺序将所述当前工程进度信息以及与所述当前工程进度信息对应的历史工程进度信息进行排序，得到时序工程进度信息；
将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征。
在本实施例的一个可选实现方式中，时序工程特征确定模块320，还具体用于时序工程特征提取模块基于自注意力机制捕获所述时序工程进度信息中满足时序差异阈值的信息，并分配所述信息目标权重；
根据各所述目标权重得到所述时序工程特征。
在本实施例的一个可选实现方式中，多模态时序信息确定模块230，具体用于
通过所述基于维度解耦的多模态融合模块将各所述时序工程特征组合为一个三维空间张量；
对所述三维空间张量进行维度解耦，并在解耦后的三维空间张量中得到多模态时序信息。
在本实施例的一个可选实现方式中，多模态时序信息确定模块330，还具体用于将基于维度解耦的多模态融合模块的输出结果继续输入至下一个基于维度解耦的多模态融合模块中，直至满足预设停止条件为止。
在本实施例的一个可选实现方式中，所述融合后的多模态时序信息为一个三维张量；
可选的，当前工程进度确定模块340，具体用于将所述融合后的多模态时序信息展开为一个一维向量；
将所述一维向量输入至分类器中，得到当前工程进度。
本发明实施例所提供的基于多模态时序信息融合的工程进度确定装置可执行本发明实施例任意实施例所提供的基于多模态时序信息融合的工程进度确定方法，具备执行方法相应的功能模块和有益效果。
实施例三
图4示出了可以用来实施本发明实施例的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明实施例的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于多模态时序信息融合的工程进度确定方法。
在一些实施例中，基于多模态时序信息融合的工程进度确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于多模态时序信息融合的工程进度确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行基于多模态时序信息融合的工程进度确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明实施例的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明实施例的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明实施例中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明实施例的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明实施例保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明实施例的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明实施例保护范围之内。

Claims (7)

1.一种基于多模态时序信息融合的工程进度确定方法，其特征在于，包括：
获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；
分别根据各所述当前工程进度信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；
将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；
根据所述融合后的多模态时序信息确定当前工程进度；
其中，所述当前工程进度信息包括：工地图像信息、工地人员构成信息以及工地建材仓储信息中的至少两项；
所述时序工程特征包括：时序工地图像信息、时序工地人员构成信息以及时序工地建材仓储信息中的至少两项；
其中，所述分别根据各所述当前工程进行信息当前工程进度信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征，包括：
按照时间先后顺序将所述当前工程进度信息以及与所述当前工程进度信息对应的历史工程进度信息进行排序，得到时序工程进度信息；将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征；
所述根据所述融合后的多模态时序信息确定当前工程进度，包括：将所述融合后的多模态时序信息展开为一个一维向量；将所述一维向量输入至分类器中，得到当前工程进度；
其中，将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征的过程中，对于任一模态的输入X，所述时序工程特征提取模块具体进行以下操作：；/>；/>；；/>；
其中，W_K, W_Q, W_V均为学习的参数矩阵，d_k为K的特征维度数量，LN()为层正则化操作，Linear()为带偏置的线性层；Softmax()和Tanh()均为对应的激活函数；
在将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息的过程中，所述基于维度解耦的多模态融合模块对三个模态的输入X1，X2和X3的具体操作步骤为：
；
；
；
；
；
；
；
；
其中，Concat()为矩阵拼接函数，reshape()为矩阵元素重排列函数，ReLU()为相应激活函数，Bias为可学习的归纳偏执向量；M、L、D分别为各模态的时序工程特征；
所述将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息，包括：
通过所述基于维度解耦的多模态融合模块将各所述时序工程特征组合为一个三维空间张量；
对所述三维空间张量进行维度解耦，并在解耦后的三维空间张量中得到多模态时序信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征，包括：
时序工程特征提取模块基于自注意力机制捕获所述时序工程进度信息中满足时序差异阈值的信息，并为所述信息分配目标权重；
根据各所述目标权重得到所述时序工程特征。
3.根据权利要求1所述的方法，其特征在于，在得到融合后的多模态时序信息之前，还包括：
将基于维度解耦的多模态融合模块的输出结果继续输入至下一个基于维度解耦的多模态融合模块中，直至满足预设停止条件为止。
4.根据权利要求1所述的方法，其特征在于，所述融合后的多模态时序信息为一个三维张量。
5.一种基于多模态时序信息融合的工程进度确定装置，其特征在于，包括：
获取模块，用于获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；
时序工程特征确定模块，用于分别根据各所述当前工程进度信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；
多模态时序信息确定模块，用于将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；
当前工程进度确定模块，用于根据所述融合后的多模态时序信息确定当前工程进度；
其中，所述当前工程进度信息包括：工地图像信息、工地人员构成信息以及工地建材仓储信息中的至少两项；
所述时序工程特征包括：时序工地图像信息、时序工地人员构成信息以及时序工地建材仓储信息中的至少两项；
其中，所述时序工程特征确定模块，具体用于按照时间先后顺序将所述当前工程进度信息以及与所述当前工程进度信息对应的历史工程进度信息进行排序，得到时序工程进度信息；将所述时序工程进度信息输入至时序工程特征提取模块中进行特征提取，得到所述时序工程特征；
所述当前工程进度确定模块，具体用于将所述融合后的多模态时序信息展开为一个一维向量；将所述一维向量输入至分类器中，得到当前工程进度；
其中，对于任一模态的输入X，所述时序工程特征提取模块具体进行以下操作：；/>；/>；/>；；
其中，W_K, W_Q, W_V均为学习的参数矩阵，d_k为K的特征维度数量，LN()为层正则化操作，Linear()为带偏置的线性层；Softmax()和Tanh()均为对应的激活函数；
所述基于维度解耦的多模态融合模块对三个模态的输入X1，X2和X3的具体操作步骤为：
；
；
；
；
；
；
；
；
其中，Concat()为矩阵拼接函数，reshape()为矩阵元素重排列函数，ReLU()为相应激活函数，Bias为可学习的归纳偏执向量；M、L、D分别为各模态的时序工程特征；
所述多模态时序信息确定模块，具体用于通过所述基于维度解耦的多模态融合模块将各所述时序工程特征组合为一个三维空间张量；
对所述三维空间张量进行维度解耦，并在解耦后的三维空间张量中得到多模态时序信息。
6. 一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的基于多模态时序信息融合的工程进度确定方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-4中任一项所述的基于多模态时序信息融合的工程进度确定方法。
CN202310788030.2A 2023-06-30 2023-06-30 基于多模态时序信息融合的工程进度确定方法及装置 Active CN116502882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310788030.2A CN116502882B (zh) 2023-06-30 2023-06-30 基于多模态时序信息融合的工程进度确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310788030.2A CN116502882B (zh) 2023-06-30 2023-06-30 基于多模态时序信息融合的工程进度确定方法及装置

Publications (2)

Publication Number Publication Date
CN116502882A CN116502882A (zh) 2023-07-28
CN116502882B true CN116502882B (zh) 2023-10-20

Family

ID=87323540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310788030.2A Active CN116502882B (zh) 2023-06-30 2023-06-30 基于多模态时序信息融合的工程进度确定方法及装置

Country Status (1)

Country Link
CN (1) CN116502882B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679310A (zh) * 2017-09-26 2018-02-09 华北电力大学 基于bim和图像叠合技术的工程实时进度三维立体展示方法
CN109670795A (zh) * 2018-12-28 2019-04-23 广州易宝信息技术有限公司 基于大数据的工程管理系统
CN112052992A (zh) * 2020-08-26 2020-12-08 杭州新中大科技股份有限公司 一种基于深度学习的建筑工程项目进度预测系统及方法
CN113379324A (zh) * 2021-07-06 2021-09-10 山东电力工程咨询院有限公司 施工现场全程监控方法及系统
CN115081522A (zh) * 2022-06-13 2022-09-20 中国科学院计算技术研究所 基于多模态感知的环境状态判别方法及系统
CN115512104A (zh) * 2022-09-02 2022-12-23 华为技术有限公司 一种数据处理方法及相关设备
CN115564027A (zh) * 2022-10-27 2023-01-03 浙江师范大学 多模态学习行为分析方法、系统及存储介质
CN115688937A (zh) * 2022-10-31 2023-02-03 华为技术有限公司 一种模型训练方法及其装置
CN115761362A (zh) * 2022-11-25 2023-03-07 杭州新中大科技股份有限公司 基于特征融合的施工阶段智能识别模型、方法及装置
CN115953666A (zh) * 2023-03-15 2023-04-11 国网湖北省电力有限公司经济技术研究院 一种基于改进Mask-RCNN的变电站现场进度识别方法
JP2023064882A (ja) * 2021-10-27 2023-05-12 大成建設株式会社 工事進捗把握システム
WO2023093623A1 (zh) * 2021-11-29 2023-06-01 中科寒武纪科技股份有限公司 计算图的优化方法、数据处理方法及相关产品

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679310A (zh) * 2017-09-26 2018-02-09 华北电力大学 基于bim和图像叠合技术的工程实时进度三维立体展示方法
CN109670795A (zh) * 2018-12-28 2019-04-23 广州易宝信息技术有限公司 基于大数据的工程管理系统
CN112052992A (zh) * 2020-08-26 2020-12-08 杭州新中大科技股份有限公司 一种基于深度学习的建筑工程项目进度预测系统及方法
CN113379324A (zh) * 2021-07-06 2021-09-10 山东电力工程咨询院有限公司 施工现场全程监控方法及系统
JP2023064882A (ja) * 2021-10-27 2023-05-12 大成建設株式会社 工事進捗把握システム
WO2023093623A1 (zh) * 2021-11-29 2023-06-01 中科寒武纪科技股份有限公司 计算图的优化方法、数据处理方法及相关产品
CN115081522A (zh) * 2022-06-13 2022-09-20 中国科学院计算技术研究所 基于多模态感知的环境状态判别方法及系统
CN115512104A (zh) * 2022-09-02 2022-12-23 华为技术有限公司 一种数据处理方法及相关设备
CN115564027A (zh) * 2022-10-27 2023-01-03 浙江师范大学 多模态学习行为分析方法、系统及存储介质
CN115688937A (zh) * 2022-10-31 2023-02-03 华为技术有限公司 一种模型训练方法及其装置
CN115761362A (zh) * 2022-11-25 2023-03-07 杭州新中大科技股份有限公司 基于特征融合的施工阶段智能识别模型、方法及装置
CN115953666A (zh) * 2023-03-15 2023-04-11 国网湖北省电力有限公司经济技术研究院 一种基于改进Mask-RCNN的变电站现场进度识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multimodal Emotion Recognition Using Deep Learning Techniques;Jerald James S等;《International Conference on Advances in Computing, Communication Control and Networking》;903-908 *
多模态深度学习综述;刘建伟;丁熙浩;罗雄麟;;计算机应用研究(06);全文 *

Also Published As

Publication number Publication date
CN116502882A (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN112562069B (zh) 三维模型的构造方法、装置、设备和存储介质
CN113705628B (zh) 预训练模型的确定方法、装置、电子设备以及存储介质
CN114648676A (zh) 点云处理模型的训练和点云实例分割方法及装置
CN112561081B (zh) 深度学习模型的转换方法、装置、电子设备和存储介质
CN113409430A (zh) 可驱动三维人物生成方法、装置、电子设备及存储介质
CN114202026A (zh) 多任务模型训练方法和装置、多任务处理方法和装置
CN116168132A (zh) 街景重建模型获取及街景重建方法、装置、设备及介质
CN114819095A (zh) 业务数据处理模型的生成方法、装置及电子设备
CN113344213A (zh) 知识蒸馏方法、装置、电子设备及计算机可读存储介质
CN116502882B (zh) 基于多模态时序信息融合的工程进度确定方法及装置
CN111858927B (zh) 数据测试方法、装置、电子设备及存储介质
CN116341634B (zh) 神经结构搜索模型的训练方法、装置及电子设备
CN115761362B (zh) 基于特征融合的施工阶段智能识别模型、方法及装置
CN116468112B (zh) 目标检测模型的训练方法、装置、电子设备和存储介质
CN113642654B (zh) 图像特征的融合方法、装置、电子设备和存储介质
CN113554057B (zh) 图的分割方法、装置及电子设备
CN114358198A (zh) 实例分割方法、装置及电子设备
CN113570067A (zh) 分布式系统的同步方法、装置及程序产品
KR102705847B1 (ko) 부하 예측 방법, 장치, 전자 기기 및 기록 매체
CN116108589B (zh) 一种型芯模型构建方法、装置、设备及介质
CN114860405B (zh) 多任务模型的参数更新方法、装置和存储介质
CN113254993B (zh) 数据保护方法、装置、设备、存储介质和程序产品
CN117350384A (zh) 一种模型并行推理方法、装置、电子设备及存储介质
CN118261304A (zh) 碳减排方案生成方法、装置、设备及存储介质
CN114418910A (zh) 图像处理方法、装置、设备、介质及产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant