[发明专利]一种平面户型图的墙体区域识别方法、系统、设备及介质

权利要求书

1.一种平面户型图的墙体区域识别方法，其特征在于，包括以下步骤：

步骤A：构建训练数据集，包括对平面户型图的墙体信息进行标注，构建墙体分割训练数据；

步骤B：构建语义分割网络模型，由首卷积层、编码器、解码器和输出层组成的语义分割网络模型；

步骤C：训练语义分割网络模型，将步骤A中得到的墙体分割训练数据输入至语义分割网络模型进行训练，当语义分割网络模型训练至收敛时，得到墙体识别模型；

步骤D：模型识别墙体信息，将待识别的平面户型图输入至训练好的墙体识别模型进行识别，得到墙体信息。

2.根据权利要求1所述一种平面户型图的墙体区域识别方法，其特征在于：在所述步骤A中，构建训练数据集包括以下步骤：

步骤A1：获取不同来源、不同风格、不同样式、不同大小的各类平面户型图；

步骤A2：通过开源软件Labelme或者其他带蒙版标注功能的软件，人工标记得到每张户型图中所有墙体标记区域的轮廓点二维坐标；

其中，所述墙体标记区域包括含有墙体样式的区域、含有内嵌在墙上的系列门区域和内嵌在墙上系列窗区域；

步骤A3：将墙体轮廓坐标转换成和平面户型图大小一致的二维标签。

3.根据权利要求2所述一种平面户型图的墙体区域识别方法，其特征在于：在所述步骤A3中，将墙体轮廓坐标转换成和平面户型图大小一致的二维标签，包括以下步骤：

步骤A31：创建一张和平面户型图的分辨率大小一致的单通道空白蒙版图；

步骤A32：读取标记得到的墙体区域轮廓点的二维坐标；

步骤A33：根据轮廓点的坐标信息在蒙版图上的对应位置绘制填充的封闭的多边形，最终在空白蒙版图上得到仅包含墙体区域的二维标签；

其中，基于输入的平面户型图的分辨率确定语义分割网络模型的分割精度。

4.根据权利要求1所述一种平面户型图的墙体区域识别方法，其特征在于：在所述步骤B中，所述首卷积层包括两层重复的普通卷积层、归一化层和激活层；

所述编码器包括四层下采样层，每个所述下采样层包括两层重复的卷积层、激活层、归一化层和一层最大池化层，平面户型图每次经过所述最大池化层后，图像的特征矩阵的宽和高缩减为原来的一半，特征的通道数翻倍；

所述解码器包括4层上采样层，每个所述上采样层包含一层转置卷积层、两层重复的卷积层、激活层和归一化层，其中，每次上采样层之后都会和对应大小的下采样层特征图进行长连接之后再作为下一次上采样层的输入，每次转置卷积之后，特征的宽高扩大到原来的两倍，特征的通道数减少为原来的一半，长连接负责将下采样之前的特征和上采样之后的编码解码特征进行融合，融合后的特征不仅包含了编码前的原始特征信息，也包含了编码解码后的高维特征信息，上采样层不仅将编码后的特征恢复成原始尺寸，同时融合了编码前后的特征信息；

所述输出层包括一层普通卷积层和sigmoid层，普通卷积层提取的特征经过sigmoid激活映射到[0，1]之间，即为提取的墙体二维特征；

其中，所有普通卷积层都采用3x3大小的卷积核，激活层使用LeakyRelu进行激活，归一化层使用InstanceNorm进行归一化。

5.根据权利要求1所述一种平面户型图的墙体区域识别方法，其特征在于：在步骤C中，训练语义分割网络模型包括以下步骤：

步骤C1：对步骤A中得到的墙体分割训练数据同步进行数据增强，获得增强型墙体分割训练数据；其中，包括数据增强方式包括左右翻转、上下翻转、角度旋转、图像平移、尺寸裁剪、比例缩放、随机噪声、高斯模糊、颜色扰动、亮度扰动和混类增强，且每次执行数据增强操作时，随机选择若干种数据增强方式进行组合；

步骤C2：将增强型墙体分割训练数据输入至语义分割网络模型进行训练，当语义分割网络模型训练至收敛时，得到墙体识别模型。