[發(fā)明專利]一種基于SSD模型的建筑圖紙非構(gòu)件識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810685551.4
• 申請(qǐng)日: 2018-06-27
• 公開(kāi)（公告）號(hào): CN109117715B
• 公開(kāi)（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 朱全銀;潘陽(yáng);周蕾;王留洋;宗慧;馮萬(wàn)利;金鷹
• 申請(qǐng)（專利權(quán)）人: 淮陰工學(xué)院
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/66
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 梁耀文

1.一種基于SSD模型的建筑圖紙非構(gòu)件識(shí)別方法，其特征在于，包括如下步驟：

步驟(1)遍歷所有PDF格式的建筑圖紙，獲得原始圖紙文件信息集和圖紙文件集G1、G2，同時(shí)對(duì)G2進(jìn)行格式轉(zhuǎn)換和圖紙預(yù)處理，獲得預(yù)處理后的JPG格式的圖紙文件集G3；

步驟(2)采用SSD算法對(duì)JPG格式的圖紙文件集G3進(jìn)行訓(xùn)練，獲得非構(gòu)件檢測(cè)模型f，輸出建筑圖紙非構(gòu)件信息集G4，具體方法為：

(2.1)定義C1、C2分別為單張圖紙非構(gòu)件類別信息集、識(shí)別準(zhǔn)確率信息集，定義class、scoring分別為單個(gè)非構(gòu)件的類別、識(shí)別準(zhǔn)確率，C1＝{class₁,class₂,…,class_d,…,class_D}，class_d為C1中的第d個(gè)類別，其中，D＝Card(C1)，C2＝{scoring₁,scoring₂,…,scoring_e,…,scoring_E}，scoring_e為C2中的第e個(gè)識(shí)別準(zhǔn)確率，其中，E＝Card(C2)；

(2.2)定義Data為單張非構(gòu)件數(shù)據(jù)集，并且滿足關(guān)系Data＝{C1,C2}，定義建筑圖紙測(cè)試集、訓(xùn)練集為R1、R2，R1、R2賦初值為0，定義循環(huán)變量j2用來(lái)遍歷G3，j2賦初值為0；

(2.3)對(duì)建筑圖紙name_a使用標(biāo)注工具LabelImg對(duì)門、底層樓梯、中間層樓梯、頂層樓梯、墻壁進(jìn)行標(biāo)注，生成與name_a同名的XML文件，獲得XML文件集R3；

(2.4)j2＝j(luò)2+1；

(2.5)如果j2A，其中，A為建筑圖紙的總數(shù)，轉(zhuǎn)到步驟(2.3)，否則轉(zhuǎn)到步驟(2.6)；

(2.6)將G3中的建筑圖紙和R3中對(duì)應(yīng)的XML文件按照3:7的比例分別放入R1和R2中；

(2.7)分別使用xml_to_csv.py和generate_tfrecord.py對(duì)R1和R2中的XML文件分別轉(zhuǎn)換為CSV格式文件和TFRecord格式文件，分別得到測(cè)試數(shù)據(jù)集R4和訓(xùn)練數(shù)據(jù)集R5；

(2.8)使用SSD算法對(duì)R4、R5進(jìn)行訓(xùn)練，獲得非構(gòu)件識(shí)別模型f；

(2.9)將所得非構(gòu)件識(shí)別模型f對(duì)建筑圖紙進(jìn)行非構(gòu)件檢測(cè)，獲得建筑圖紙非構(gòu)件信息集G4，其中，G4＝{Data₁,Data₂,…,Data_a,…,Data_A}，Data_a為G4中的第a張圖紙的非構(gòu)件信息集，同時(shí)以CSV格式導(dǎo)出；

步驟(3)等梯度調(diào)整衰減學(xué)習(xí)率decayed_learning_rate，獲得最優(yōu)檢測(cè)模型集G5；

步驟(4)輸出最優(yōu)檢測(cè)模型集G5。