[发明专利]用于3D建模对象推断的机器学习

说明书

本发明显著地涉及一种计算机实现的机器学习方法。该方法包括提供包括3D建模对象的数据集，每个3D建模对象表示相应机械零件。数据集具有一个或多个子数据集。每个子数据集形成数据集的至少一部分。该方法还包括，针对每个相应子数据集，确定基本模板并学习被配置用于推断基本模板各自到相应3D建模对象的变形的神经网络。基本模板是表示子数据集的3D建模对象的质心的3D建模对象。该学习包括基于子数据集的训练。这构成了利用包括3D建模对象的数据集进行机器学习的改进方法，每个3D建模对象表示相应机械零件。

技术领域

本公开涉及计算机程序和系统领域，并且更具体地涉及利用包括3D建模对象的数据集进行机器学习的方法、系统和程序，每个3D建模对象表示相应机械零件。

背景技术

市场上提供了很多用于对象的设计、工程以及制造的系统和程序。CAD 是计算机辅助设计的首字母缩写，例如，CAD涉及用于对对象进行设计的软件解决方案。CAE是计算机辅助工程的首字母缩写，例如，CAE涉及用于对未来产品的物理行为进行仿真的软件解决方案。CAM是计算机辅助制造的首字母缩写，例如，CAM涉及用于对制造工艺和操作进行定义的软件解决方案。在这样的计算机辅助设计系统中，图形用户接口对于技术的效率起到重要作用。这些技术可以嵌入到产品生命周期管理(PLM)系统中。 PLM是指这样的商业策略：跨越扩展企业的概念而帮助公司来共享产品数据、应用公共过程以及利用企业知识来从概念至产品的生命结束地开发产品。由Dassault Systèmes提供的PLM解决方案(商标为CATIA、ENOVIA 以及DELMIA)提供了组织产品工程知识的工程中心、管理制造工程知识的制造中心、以及使得企业能够集成并连接到工程及制造中心的企业中心。该系统一起提供了开放的对象模型，其将产品、过程、资源链接起来以实现动态的且基于知识的产品创造与决策支持，这驱动优化的产品定义、制造准备、生产以及服务。

在该上下文和其他上下文中，机器学习，并且尤其是自动编码器和/或流形学习变得非常重要。

以下文章涉及该领域，并且在下文中提及：

[1]:“Stacked Denoising Autoencoders:Learning Useful Representationsin a Deep Network with a Local Denoising Criterion”,P.Vincent,H.Larcohelle,I.Lajoie,Y.Bengio,P.Manzagol,in The Journal of Machine Learning Research, 2010.

[2]:“Reducing the Dimensionality of Data with Neural Networks”,G.E.Hinton,R.R.Salakhutdinov,in Science,2006.

[3]:“Learning Deep Architectures for AI”,Y.Bengio,in Foundations andTrends in Machine Learning,2009.

[4]Maxim Tatarchenko,Alexey Dosovitskiy,and Thomas Brox. Multi-view3d models from single images with a convolutional network.In EuropeanConference on Computer Vision,2016.

[5]Xinchen Yan,Jimei Yang,Ersin Yumer,Yijie Guo,and Honglak Lee.Perspective transformer nets:Learning single-view 3d object reconstructionwithout 3d supervision.In Advances in Neural Information Processing Systems,2016.