基于深度學(xué)習(xí)的汽車造型分析與建模
發(fā)布時間:2021-04-22 00:28
隨著消費者對汽車造型多樣化的迫切需求,簡單、高效、智能的汽車造型分析與建模方法是當(dāng)前汽車造型設(shè)計亟待解決的問題。一方面,及時分析當(dāng)前汽車市場的造型喜好及趨勢,可輔助汽車主機廠的新車型造型設(shè)計,強化其品牌化、家族化;另一方面,智能化快速建模可縮短當(dāng)前造型設(shè)計周期,使產(chǎn)品快速迭代,從而在汽車市場中占據(jù)主動地位。針對這兩個方面,本論文基于深度學(xué)習(xí)方法提出自動化、智能化的汽車造型分析方法與建模方法,旨在為汽車造型分析與建模提供高效的工具。為實現(xiàn)智能化汽車造型分析,本文以汽車前臉家族化分析為目標(biāo),創(chuàng)建了汽車前臉造型分析圖像數(shù)據(jù)庫——AutoMorpher-CFSDB,該數(shù)據(jù)庫包括有車標(biāo)和無車標(biāo)兩種數(shù)據(jù)集,分別收集22個國內(nèi)主流品牌的大部分車型的前臉造型圖像數(shù)據(jù);隨后本文采用計算機視覺中的圖像分類的方法對AutoMorpher-CFSDB數(shù)據(jù)庫進行汽車品牌分類訓(xùn)練,基于ResNet-8等模型架構(gòu),分別對有車標(biāo)和無車標(biāo)的汽車品牌分類數(shù)據(jù)庫訓(xùn)練分類模型;最后,采用CAM方法進行汽車前臉造型的家族化顯著性區(qū)域分析。實驗結(jié)果證明了該方法無需依賴人工提取特征及總結(jié)分析,僅需建立汽車前臉造型數(shù)據(jù)庫便可基于該方...
【文章來源】:大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:56 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景
1.2 汽車造型分析研究進展
1.2.1 基于經(jīng)驗的造型分析
1.2.2 汽車造型家族化分析
1.2.3 基于機器學(xué)習(xí)的造型分析
1.3 基于圖像的三維重建研究進展
1.3.1 人臉三維重建
1.3.2 汽車三維表示與重建
1.4 主要工作
1.5 本章小結(jié)
2 深度學(xué)習(xí)技術(shù)簡介
2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
2.2 神經(jīng)網(wǎng)絡(luò)的原理
2.2.1 多層感知器
2.2.2 梯度下降法
2.2.3 反向傳播
2.3 卷積神經(jīng)網(wǎng)絡(luò)
2.4 本章小結(jié)
3 基于深度學(xué)習(xí)的汽車造型分析
3.1 ResNet架構(gòu)介紹
3.2 類別激活映射
3.3 數(shù)值實驗
3.3.1 數(shù)據(jù)庫
3.3.2 品牌前臉造型數(shù)據(jù)分類
3.3.3 類別激活映射分析
3.4 本章小結(jié)
4 基于深度學(xué)習(xí)的汽車造型建模
4.1 汽車三維曲線模型
4.1.1 汽車三維曲線模型
4.1.2 形狀系數(shù)
4.2 數(shù)據(jù)庫
4.2.1 汽車多角度圖像數(shù)據(jù)庫
4.2.2 汽車三維曲線模型數(shù)據(jù)庫
4.3 數(shù)值實驗
4.3.1 實驗平臺及參數(shù)設(shè)置
4.3.2 模型尺寸統(tǒng)一化
4.3.3 控制點與曲線采樣點
4.3.4 重建誤差分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
【參考文獻(xiàn)】:
碩士論文
[1]基于學(xué)習(xí)的汽車概念模型自動建模及其應(yīng)用[D]. 孫瑋雪.大連理工大學(xué) 2017
[2]基于單視圖的汽車造型數(shù)字化建模研究[D]. 張學(xué)芳.大連理工大學(xué) 2015
[3]面向創(chuàng)新設(shè)計的汽車外形曲線曲面高效建模[D]. 戚一超.大連理工大學(xué) 2014
[4]基于約束形變的車身快速造型方法研究[D]. 李慶寶.大連理工大學(xué) 2013
本文編號:3152796
【文章來源】:大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:56 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景
1.2 汽車造型分析研究進展
1.2.1 基于經(jīng)驗的造型分析
1.2.2 汽車造型家族化分析
1.2.3 基于機器學(xué)習(xí)的造型分析
1.3 基于圖像的三維重建研究進展
1.3.1 人臉三維重建
1.3.2 汽車三維表示與重建
1.4 主要工作
1.5 本章小結(jié)
2 深度學(xué)習(xí)技術(shù)簡介
2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
2.2 神經(jīng)網(wǎng)絡(luò)的原理
2.2.1 多層感知器
2.2.2 梯度下降法
2.2.3 反向傳播
2.3 卷積神經(jīng)網(wǎng)絡(luò)
2.4 本章小結(jié)
3 基于深度學(xué)習(xí)的汽車造型分析
3.1 ResNet架構(gòu)介紹
3.2 類別激活映射
3.3 數(shù)值實驗
3.3.1 數(shù)據(jù)庫
3.3.2 品牌前臉造型數(shù)據(jù)分類
3.3.3 類別激活映射分析
3.4 本章小結(jié)
4 基于深度學(xué)習(xí)的汽車造型建模
4.1 汽車三維曲線模型
4.1.1 汽車三維曲線模型
4.1.2 形狀系數(shù)
4.2 數(shù)據(jù)庫
4.2.1 汽車多角度圖像數(shù)據(jù)庫
4.2.2 汽車三維曲線模型數(shù)據(jù)庫
4.3 數(shù)值實驗
4.3.1 實驗平臺及參數(shù)設(shè)置
4.3.2 模型尺寸統(tǒng)一化
4.3.3 控制點與曲線采樣點
4.3.4 重建誤差分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
【參考文獻(xiàn)】:
碩士論文
[1]基于學(xué)習(xí)的汽車概念模型自動建模及其應(yīng)用[D]. 孫瑋雪.大連理工大學(xué) 2017
[2]基于單視圖的汽車造型數(shù)字化建模研究[D]. 張學(xué)芳.大連理工大學(xué) 2015
[3]面向創(chuàng)新設(shè)計的汽車外形曲線曲面高效建模[D]. 戚一超.大連理工大學(xué) 2014
[4]基于約束形變的車身快速造型方法研究[D]. 李慶寶.大連理工大學(xué) 2013
本文編號:3152796
本文鏈接:http://www.sikaile.net/kejilunwen/qiche/3152796.html
最近更新
教材專著