一種可視化概念檢測器及構造語義場的方法技術

本發明專利技術提供一種可視化概念檢測器用于三維模型的檢索過程，所述可視化概念檢測器包括文本描述模塊、語義描述模塊、特征描述模塊和語義概念計算模塊。其中，文本描述模塊、語義描述模塊和特征描述模塊分別用于構造源于待檢索三維模型的文本描述、網絡標注，同義詞集、和形狀內容特征的語義概念，獲得語義概念詞匯表。語義概念計算模塊用于通過概率模型計算得到核心語義概念詞匯表，即語義場。結合該可視化概念檢測器來檢索三維模型，減弱了“語義鴻溝”的不良影響、減少了三維模型檢索的計算量、加快了檢索速度、提升了檢索結果的精度與穩定性。

【技術實現步驟摘要】

本專利技術涉及基于語義的三維模型檢索領域，具體涉及。
技術介紹
隨著信息量呈幾何級數的增加，信息檢索已不再局限于文本檢索這一單一的形式，已經逐步向多媒體檢索、語義檢索等方向擴展。將基于語義的檢索方式應用在多媒體領域一直是技術人員的目標。目前，基于語義的三維模型檢索方法主要分為以下兩種1、將用戶的相關反饋信息作為語義概念。該方法中，用戶首先提交三維模型，系統計算該待檢索的三維模型與數據庫中已有的三維模型的形狀特征的相似度，并將相似的模型作為第一次檢索的結果返回給用戶。用戶在這些模型中標注這些模型與待檢索三維模型的相似度，接著將標注相似度的模型返回給系統。系統根據用戶所標注的相似度，進行二次檢索，檢索與用戶所標注的模型相似的模型，作為二次檢索的結果返回給用戶。2、將模型所具有的語義標注作為文本關鍵詞，只檢索與該文本關鍵詞具有相同文本描述內容的模型作為結果返回。在上述基于語義的三維模型檢索方法中，存在如下問題1、傳統的語義概念在三維模型檢索中的應用方法易造成“語義鴻溝”。在傳統的方法中，對于低層級的三維模型來說，它所具備的語義概念來自于它的語義標注，例如椅子的模型的語義標注即為“椅子”。而對于高層級語義、即用戶的檢索語句來說，它可能為“家具”。若單純的以“家具”作為檢索內容，則只能檢索出語義標注為“家具”的三維模型，而不能檢索出從屬于“家具”、語義標注為“椅子”的三維模型。這就是“語義鴻溝”。2、傳統的語義概念構造方法僅基于語義標注。 由于不同用戶對三維模型的語義標注通常是主觀的、簡短的、概念模糊不清的和不一致的， 而大量雜亂的語義標注不能準確構造出能表示三維模型形狀特征的語義概念。例如，對于一只狗的三維模型來說，它所具有的語義標注可能是“狗”、“寵物”、“四肢動物”等。綜上所述，為提高基于語義的三維模型檢索結果精度，要求三維模型所具有的語義概念具有較高的準確度。現有的語義概念主要來自語義標注，存在高層語義概念和底層三維模型之間的“語義鴻溝”問題；而且現有的語義概念構造方法也導致用戶語義標注過于雜亂而無法與準確語義概念進行對應。這些不準確的語義概念將導致三維模型的檢索結果精度不高。
技術實現思路
為解決上述問題，本專利技術提出。通過可視化概念檢測器來構造語義場，語義場是獲取整個語義概念詞集中更加完整的關系的一種方法。根據本專利技術一個實施例，提供一種可視化概念檢測器，包括文本描述模塊、語義描述模塊、特征描述模塊和語義概率計算模塊；其中所述文本描述模塊用于提取待檢索三維模型的相關詞匯并傳遞至所述語義描述模塊和所述語義概念計算模塊；所述語義描述模塊用于獲取所述相關詞匯在語義詞典中的同義詞集，選取同義詞匯并傳遞至所述語義概念計算模塊；所述特征描述模塊用于根據三維模型的形狀內容特征為其歸類，將其所屬類別的內容特征信息以及該檢索模型與該類別模型的形狀內容特征相似度傳遞至所述語義概念計算模塊；所述語義概率計算模塊將接收到的相關詞匯、同義詞匯和內容特征信息通過概率模型計算待選語義概念是核心語義概念的概率，根據所計算的概率選取核心語義概念，得到核心語義概念詞匯表。在一個實施例中，所述文本描述模塊包括分詞工具，用于根據待檢索三維模型具有的文本描述內容提取出描述該三維模型形狀內容特征的一個或多個詞匯；第一用戶接口，用于提供用戶從所述分詞工具提取出的所述一個或多個詞匯中選取相關詞匯。在進一步的實施例中，所述文本描述模塊還包括網絡標注子模塊，用于獲得待檢索三維模型的網絡標注、統計相同網絡標注的個數，選取標注次數最多的一個或多個網絡標注作為相關詞匯。在一個實施例中，所述語義描述模塊包括解釋子模塊用于通過語義詞典API開發包獲取所述相關詞匯在語義詞典中的同義詞集，并且通過所述語義詞典對所述同義詞集每種詞性選取I或2個中間詞匯；第二用戶接口 用于提供用戶從所述中間詞匯中選取一個或多個同義詞匯。在一個實施例中，所述特征描述模塊中根據形狀內容特征使用支持向量機進行待 :維模型的歸類。在一個實施例中，所述語義概率計算模塊根據如下公式計算核心語義概念的概 ~:ια/>((:、.1,V/。= J-檢索三 率:權利要求1.一種可視化概念檢測器，包括文本描述模塊、語義描述模塊、特征描述模塊和語義概率計算模塊；其中 所述文本描述模塊用于提取待檢索三維模型的相關詞匯并傳遞至所述語義描述模塊和所述語義概念計算模塊； 所述語義描述模塊用于獲取所述相關詞匯在語義詞典中的同義詞集，選取同義詞匯并傳遞至所述語義概念計算模塊； 所述特征描述模塊用于根據三維模型的形狀內容特征為其歸類，將其所屬類別的內容特征信息以及該檢索模型與該類別模型的形狀內容特征相似度傳遞至所述語義概念計算模塊； 所述語義概率計算模塊將接收到的相關詞匯、同義詞匯和內容特征信息通過概率模型計算待選語義概念是核心語義概念的概率，根據所計算的概率選取核心語義概念，得到核心語義概念詞匯表。2.根據權利要求I所述的可視化概念檢測器，其中所述文本描述模塊包括 分詞工具，用于根據待檢索三維模型具有的文本描述內容提取出描述該三維模型形狀內容特征的一個或多個詞匯； 第一用戶接ロ，用于提供用戶從所述分詞工具提取出的所述ー個或多個詞匯中選取相關詞匯。3.根據權利要求2述的可視化概念檢測器，其中所述文本描述模塊還包括 網絡標注子模塊，用于獲得待檢索三維模型的網絡標注、統計相同網絡標注的個數，選取標注次數最多的一個或多個網絡標注作為相關詞匯。4.根據權利要求I或2所述的可視化概念檢測器，其中所述語義描述模塊包括 解釋子模塊用于通過語義詞典API開發包獲取所述相關詞匯在語義詞典中的同義詞集，并且通過所述語義詞典對所述同義詞集每種詞性選取I或2個中間詞匯； 第二用戶接ロ 用于提供用戶從所述中間詞匯中選取ー個或多個同義詞匯。5.根據權利要求I或2所述的可視化概念檢測器，其中所述特征描述模塊中根據形狀內容特征使用支持向量機進行待檢索三維模型的歸類。6.根據權利要求3所述的可視化概念檢測器，其中所述語義概率計算模塊根據如下公式計算核心語義概念的概率7.根據權利要求6所述的可視化概念檢測器，其中根據所計算的概率選取核心語義概念包括 對所有P (Cx I SF)進行排序，取值最大的兩個或多個作為核心語義概念，得到核心語義概念詞匯表。8.ー種基于權利要求I所述的可視化概念檢測器構造語義場的方法，包括 步驟I)、根據待檢索三維模型的文本描述和形狀內容特征，構造語義概念詞匯表，所述語義概念詞匯表包括相關詞匯、同義詞匯和內容特征信息； 步驟2)、根據所述語義概念詞匯表，通過概率模型構造語義場。9.根據權利要求8所述的方法，步驟I)中相關詞匯的構造步驟如下 步驟1-1-1)、根據待檢索三維模型所具有的文本描述，獲取三維模型的文本描述信息； 步驟1-1-2)、利用分詞工具，去除無用信息，獲得文本描述信息中的一個或多個詞匯； 步驟1-1-3)、從步驟1-1-2)得到詞匯，通過第一用戶接ロ提取出最能表示該三維模型的形狀內容特征的一個或多個詞匯作為相關詞匯。10.根據權利要求9所述的方法，步驟I)中相關詞匯的構造步驟還包括 步驟1-1-4)、根據待檢索三維模型所具有的網絡標注，選取標注次數最多的一個或多個網絡標注，作本文檔來自技高網...

【技術保護點】
一種可視化概念檢測器，包括文本描述模塊、語義描述模塊、特征描述模塊和語義概率計算模塊；其中?所述文本描述模塊用于提取待檢索三維模型的相關詞匯并傳遞至所述語義描述模塊和所述語義概念計算模塊；?所述語義描述模塊用于獲取所述相關詞匯在語義詞典中的同義詞集，選取同義詞匯并傳遞至所述語義概念計算模塊；?所述特征描述模塊用于根據三維模型的形狀內容特征為其歸類，將其所屬類別的內容特征信息以及該檢索模型與該類別模型的形狀內容特征相似度傳遞至所述語義概念計算模塊；?所述語義概率計算模塊將接收到的相關詞匯、同義詞匯和內容特征信息通過概率模型計算待選語義概念是核心語義概念的概率，根據所計算的概率選取核心語義概念，得到核心語義概念詞匯表。

【技術特征摘要】

【專利技術屬性】
技術研發人員：蔡強，劉璇，李海生，曹健，
申請(專利權)人：北京工商大學，
類型：發明
國別省市：