[發明專利]圖像矢量化方法及系統

有效

• 申請號: 202011024201.7
• 申請日: 2020-09-25
• 公開（公告）號: CN112116613B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 李雨龍
• 申請（專利權）人: 貝殼找房（北京）科技有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G06N3/04;G06N3/08;G06T11/20;G06F16/56;G06F16/583
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;王曉曉

本發明涉及圖像處理技術領域，公開了一種圖像分割模型的訓練方法、圖像分割方法、圖像矢量化方法及其系統。所述訓練方法包括：基于深度神經網絡，采用第一訓練樣本集對所述圖像分割模型進行訓練；確定所述第一訓練樣本集中的多個預設對象樣本中的每一者的識別損失；基于所述多個預設對象樣本中的每一者的識別損失及所述多個預設對象中的每一者的識別損失所占的預設權重，確定所述第一訓練樣本集的總識別損失；以及根據所述第一訓練樣本集的總識別損失，對所述圖像分割模型的參數進行調整。本發明可使用深度神經網絡分割得到圖像的多個元素，從而可高精確地實現柵格化戶型圖的矢量化，進而通過矢量化的戶型圖實現相似戶型的高召回。

技術領域

本發明涉及圖像處理技術領域，具體地涉及一種圖像分割模型的訓練方法、圖像分割方法、圖像矢量化方法及其系統。

背景技術

目前，大部分戶型圖的存儲和流通都是基于柵格化的圖像進行的，其中所述柵格化的圖像主要包括CAD圖、渲染圖、甚至是手繪圖等等。但所述柵格化的圖像通常存在以下缺點：非標準化以及信息密度底等缺點。如果想要根據柵格化的戶型圖匹配相似的戶型，通常會采用不同的識別方法對戶型圖中的相應元素進行識別(或分割)，然后根據所識別的元素進行戶型的匹配。其中，不同的識別方法的過程完全不同，并且所識別的結果的準確性相差較大，由此根據上述識別方式確定的戶型特征的準確性也非常低。若根據上述識別結果檢索相似戶型，其相應的準確性也會非常低。

如果可以將這些柵格化的戶型圖轉變為矢量化圖像，就可以對戶型圖進行更加高密度的存儲、更深層次的理解、更標準化的解讀，甚至可以延伸出根據轉變后的矢量化圖像檢索相似的戶型、相似的裝修方案及相似的改造方案等等。

發明內容

本發明的目的是提供一種圖像分割模型的訓練方法、圖像分割方法、圖像矢量化方法及其系統，其可使用深度神經網絡分割得到圖像的多個元素，從而可高精確地實現柵格化戶型圖的矢量化，進而通過矢量化的戶型圖實現相似戶型的高召回。

為了實現上述目的，本發明第一方面提供一種圖像分割模型的訓練方法，所述訓練方法包括：基于深度神經網絡，采用第一訓練樣本集對所述圖像分割模型進行訓練；確定所述第一訓練樣本集中的多個預設對象樣本中的每一者的識別損失；基于所述多個預設對象樣本中的每一者的識別損失及所述多個預設對象中的每一者的識別損失所占的預設權重，確定所述第一訓練樣本集的總識別損失；以及根據所述第一訓練樣本集的總識別損失，對所述圖像分割模型的參數進行調整。

優選地，在所述圖像為戶型圖像的情況下，所述多個預設對象至少包括：角點及多個墻體元素，相應地，所述確定所述第一訓練樣本集中的多個預設對象樣本中的每一者的識別損失包括：確定所述第一訓練樣本集中的角點樣本的識別損失；以及確定所述第一訓練樣本集中的多個墻體元素樣本中的每一者的識別損失。

優選地，所述確定所述第一訓練樣本集中的角點樣本的識別損失包括：確定所述角點樣本中的角點正樣本被識別為正樣本的概率；以及基于焦點損失算法及所述角點正樣本被識別為正樣本的概率，獲取所述角點樣本的識別損失。

優選地，所述確定所述第一訓練樣本集中的多個墻體元素樣本中的每一者的識別損失包括：針對所述多個墻體元素樣本中的每個墻體元素樣本，確定所述每個墻體元素樣本中的墻體元素正樣本被識別為正樣本的概率；以及基于交叉熵損失算法及所述每個墻體元素樣本中的墻體元素正樣本被識別為正樣本的概率，獲取所述每個墻體元素樣本的識別損失。

優選地，所述多個預設對象還包括：戶型的幾何尺寸，相應地，所述確定所述第一訓練樣本集中的多個預設對象樣本中的每一者的識別損失還包括：確定所述第一訓練樣本集中的戶型圖像樣本的幾何尺寸的識別損失。

優選地，所述確定所述第一訓練樣本集中的戶型圖像樣本的幾何尺寸的識別損失包括：針對所述戶型圖像樣本中的各個類型戶型圖像樣本，確定所述各個類型戶型圖像樣本的幾何尺寸的預測值；以及基于二次損失算法及所述各個類型戶型圖像樣本的幾何尺寸的預測值與實際值，獲取所述幾何尺寸樣本的識別損失。