[發明專利]戶型形狀識別方法、裝置和設備在審
| 申請號： | 201910317211.0 | 申請日： | 2019-04-17 |
| 公開（公告）號： | CN110059750A | 公開（公告）日： | 2019-07-26 |
| 發明（設計）人： | 王勝;施賢 | 申請（專利權）人： | 廣東三維家信息科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463 | 代理人： | 徐彥圣 |
| 地址： | 510000 廣東省廣州市天河區天河軟件園*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 戶型 形狀識別 戶型圖 圖樣 卷積神經網絡 標識信息 結構信息 人工方式 神經網絡 圖像處理 網絡結構 形狀信息 預先建立 標注 輸出 | ||
1.一種戶型形狀識別方法，其特征在于，所述方法包括：
獲取待識別的戶型圖；
將所述戶型圖輸入至預先建立的戶型形狀識別模型中，輸出所述戶型圖的識別結果；
所述戶型形狀識別模型通過下述方式建立：
獲取設定數量的戶型圖樣本和對應的標識信息；所述標識信息包括戶型形狀信息，以及標注在所述戶型圖樣本中的結構信息；
建立卷積神經網絡的網絡結構；所述網絡結構包含有相互連接的第一子網絡和第二子網絡；
將所述戶型圖樣本和標注在所述戶型圖樣本中的結構信息輸入至所述第一子網絡中進行訓練；
將所述戶型圖樣本、戶型形狀信息、以及標注在所述戶型圖樣本中的結構信息輸入至所述第二子網絡中進行訓練；
將訓練完成的所述第一子網絡和所述第二子網絡進行調優處理，得到訓練完成的戶型形狀識別模型。
2.根據權利要求1所述的方法，其特征在于，所述戶型形狀識別模型中的第一子網絡包括兩層卷積層，用于提取戶型圖的結構信息；所述結構信息包括點位置信息和邊位置信息；
所述第二子網絡包括遞歸子網絡和卷積層，用于將所述結構信息編碼為張量，將所述張量映射為包含有類別信息的向量。
3.根據權利要求1所述的方法，其特征在于，將所述戶型圖輸入至預先建立的戶型形狀識別模型中的步驟之前，所述方法還包括：
對所述戶型圖進行采樣處理，得到采樣后的所述戶型圖；
對采樣后的所述戶型圖進行歸一化處理，得到歸一化處理后的所述戶型圖。
4.根據權利要求1所述的方法，其特征在于，得到訓練完成的戶型形狀識別模型的步驟之后，所述方法還包括：
計算所述戶型形狀識別模型輸出的所述戶型圖樣本對應的識別結果；
根據所述戶型圖樣本對應的標識信息和所述識別結果，計算所述戶型圖樣本的識別準確率；
判斷所述識別準確率是否滿足預設閾值；
如果否，繼續執行獲取設定數量的戶型圖樣本和對應的標識信息的步驟，直至所述識別準確率滿足預設閾值。
5.一種戶型形狀識別裝置，其特征在于，所述裝置包括：
獲取模塊，用于獲取待識別的戶型圖；
結果輸出模塊，用于將所述戶型圖輸入至預先建立的戶型形狀識別模型中，輸出所述戶型圖的識別結果；
所述戶型形狀識別模型通過下述方式建立：
獲取設定數量的戶型圖樣本和對應的標識信息；所述標識信息包括戶型形狀信息，以及標注在所述戶型圖樣本中的結構信息；
建立卷積神經網絡的網絡結構；所述網絡結構包含有相互連接的第一子網絡和第二子網絡；
將所述戶型圖樣本和標注在所述戶型圖樣本中的結構信息輸入至所述第一子網絡中進行訓練；
將所述戶型圖樣本、戶型形狀信息、以及標注在所述戶型圖樣本中的結構信息輸入至所述第二子網絡中進行訓練；
將訓練完成的所述第一子網絡和所述第二子網絡進行調優處理，得到訓練完成的戶型形狀識別模型。
6.根據權利要求5所述的裝置，其特征在于，所述戶型形狀識別模型中的第一子網絡包括兩層卷積層，用于提取戶型圖的結構信息；所述結構信息包括點位置信息和邊位置信息；
所述第二子網絡包括遞歸子網絡和卷積層，用于將所述結構信息編碼為張量，將所述張量映射為包含有類別信息的向量。
7.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：
采樣處理模塊，用于對所述戶型圖進行采樣處理，得到采樣后的所述戶型圖；
歸一化處理模塊，用于對采樣后的所述戶型圖進行歸一化處理，得到歸一化處理后的所述戶型圖。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東三維家信息科技有限公司，未經廣東三維家信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910317211.0/1.html，轉載請聲明來源鉆瓜專利網。
