摘要。该研究旨在探索绘画和设计中的视觉和神经网络，并提出一种基于重复网络的绘画和设计元素以及计算机辅助设计（CAD）重建的方法。通过这种方法，希望在提供更具创造力的灵感的同时，可以自动提取和重建绘画设计元素。本文调查了如何使用RNN实现绘画和设计元素的自动提取，包括线条，颜色，构图和其他元素的识别和提取。此外，该研究详细讨论了如何重建CAD中提取的绘画设计元素，并实现设计元素的参数化表示，以进行后续编辑和修改。改进前图像匹配错误率在9％至10％之间，而提高的匹配错误率为3％至5％。这表明改进的方法可显着降低图像匹配的错误率。提高前的最低错误率为9％，而改善后的最大错误率为4.5％，进一步验证了改进方法的有效性。通过限制模型参数，正则化项可防止在训练数据上过度拟合模型，从而使模型可以更好地概括到测试数据并提高匹配的准确性。