[发明专利]基于深度卷积神经网络的户型图语义自动分析方法及系统

说明书

本发明公开了一种基于深度卷积神经网络的户型图语义自动分析方法及系统，方法包括：获取包含户型图的第一图像；采用深度卷积神经网络算法对第一图像进行语义自动识别，得到户型图的第一对象，所述户型图的第一对象包括户型图中区域的轮廓、户型图中区域的位置、户型图中区域的尺寸和户型图中区域的功能。本发明采用了深度卷积神经网络算法来准确识别出户型图中区域的轮廓、区域的位置、区域的尺寸以及区域的功能等具体布局信息，从而通过语义自动识别提供了更丰富的细节信息，效率高且更加方便。本发明可广泛应用于计算机应用领域。

技术领域

本发明涉及计算机应用领域，尤其是一种基于深度卷积神经网络的户型图语义自动分析方法及系统。

背景技术

目前室内设计行业在户型图建模方面所采用的方法是：将户型图导入建模软件，然后使用手工的方式进行描绘、建模，设计效率低。随着相关行业的发展，室内设计需要处理的数据变得更加繁杂，虽然市面已经有了整理户型数据的工具，用户只要搜索出自己的小区就可以生成户型的三维模型，但这些工具对于一些较新的小区是缺乏户型数据的，而且其数据的处理效率也很低。另外，目前还出现了户型图的自动识别方案，能通过AI算法自动判断从互联网爬取的图片是户型图还是其他图片(如植物图片等)，但该方案不能识别出户型图的具体布局(如墙、门、窗、每一地方的功能等)，未能提供更丰富的细节信息来方便设计。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种效率高和方便的基于深度卷积神经网络的户型图语义自动分析方法及系统。

本发明所采取的第一技术方案是：

基于深度卷积神经网络的户型图语义自动分析方法，包括以下步骤：

获取包含户型图的第一图像；

采用深度卷积神经网络算法对第一图像进行语义自动识别，得到户型图的第一对象，所述户型图的第一对象包括户型图中区域的轮廓、户型图中区域的位置、户型图中区域的尺寸和户型图中区域的功能。

进一步，所述获取包含户型图的第一图像这一步骤，具体为：

通过对户型拍照的方式获取包含户型图的第一图像并上传；

或者，通过互联网搜索的方式获取包含户型图的第一图像；

或者，通过第三方接口获取包含户型图的第一图像。

进一步，所述采用深度卷积神经网络算法对第一图像进行语义自动识别，得到户型图的第一对象这一步骤，具体包括：

根据训练样本采用Mask R-CNN算法进行模型训练，得到户型图语义识别模型；

将第一图像输入户型图语义识别模型，识别得到户型图的第一对象。

进一步，所述根据训练样本采用Mask R-CNN算法进行模型训练，得到户型图语义识别模型这一步骤，具体包括：

对训练样本进行分类标注，得到标注后的训练样本，所述分类标注在训练样本中标注出第一区域，所述第一区域包括卧室、厕所、客厅、厨房和阳台；

采用Mask R-CNN算法对标注后的训练样本进行模型训练，得到户型图语义识别模型。

进一步，所述采用Mask R-CNN算法对训练样本进行模型训练，得到户型图语义识别模型这一步骤，具体包括：

将训练集输入Mask R-CNN框架中进行特征图获取并生成候选区域；

通过Mask R-CNN框架的分支网络对候选区域进行分类并生成边界框和掩模，其中，分类并生成边界框用于识别户型图的种类和户型图中区域的功能；分支网络中掩模分支以像素到像素的方式预测户型图像的分割掩模，从而自动识别户型图并生成户型图语义识别模型。