一种基于深度学习的结构物形体分析方法

本发明公开了一种基于深度学习的结构物形体分析方法，涉及结构物形体分析技术领域，包括以下步骤：S1、数据采集；S2、数据增强与预处理；S3、构建用于处理多样性数据的深度学习网络；S4、设计用于深度学习网络的多任务学习框架：S5、在多任务学习框架中添加无监督学习模块；S6、将时空变化因素引入深度学习网络；S7、模型生成。通过 PointNet++ 架构动态捕捉点云数据的全局与局部特征，同时融合多模态特征，显著提升了模型对复杂形体数据的解析能力，采用时序卷积网络构建建模形体变化中的长期趋势和突变点，增强了模型对关键事件的识别能力，同时保持了较高的计算效率，且多任务协同优化，提高了模型的整体性能与适应性。