[发明专利]基于深度学习的空户型特征检测的室内家居自动布局方法

权利要求书

1.一种基于深度学习的空户型特征检测的室内家居自动布局方法，其特征在于，包括如下步骤：

第1步，获取户型图训练样本，将户型图中的房间的门窗墙和房间功能提取出，作为深度学习模型输入值，同时将房间中的家具的类型、形状和位置提取出，作为深度学习模型输出值；

第2步，构建用于预测家居布局的深度学习模型；

第3步，采用训练样本对深度学习模型进行训练；

第4步，将待布局的房间信息输入至深度学习模型中，获得家具布局结果；

所述的深度学习模型的损失函数为：

L＝L_cls+L_box+L_mask

其中，L_cls是家具类别预测损失：

L_cls＝-∑(C_t×log(C_p))

其中，C_t是家具类别的one-hot编码的一个元素，C_p为模型预测出的家具为该类别的概率值；

L_box是家具边框预测损失：

L_box＝∑(x_t-x_p)²

其中，x_t为家具标注的边框坐标值，x_p为模型预测的家具边框坐标值；

L_mask是家具真实形状分割预测损失：

L_mask＝-∑(t×log(p)+(1-t)×log(1-p))

其中，t为当前像素属于本家具的标注，p为模型预测的当前像素属于本家具的概率。

2.根据权利要求1所述的基于深度学习的空户型特征检测的室内家居自动布局方法，其特征在于，所述的户型图中的房间为3通道图片，门窗墙分别用不同颜色表示。

3.根据权利要求1所述的基于深度学习的空户型特征检测的室内家居自动布局方法，其特征在于，所述的深度学习模型采用Mask-RCNN。

4.根据权利要求1所述的基于深度学习的空户型特征检测的室内家居自动布局方法，其特征在于，模型的验证过程中考察家具误删率，平均IOU，全家具准确率。