基于目标检测的户型图识别方法、装置、计算机设备制造方法及图纸

本发明专利技术公开了一种基于目标检测的户型图识别方法、装置、计算机设备和存储介质，通过获取携带标签数据的训练户型图，在YOLOV3模型的DarkNet53网络后面加入Mask分支，并Head网络中加入Centerness分支，得到初始模型，将训练户型图输入初始模型中进行训练，读取各个分支的损失函数，在各个分支的损失函数均取到最小值时，根据初始模型当前的模型参数确定检测模型，将待识别户型图输入检测模型，输出检测结果，识别检测结果中的矩形标注框，合并表征相同特征的矩形标注框，依据最终的矩形标注框确定待识别户型图的各部分特征，以准确确定待识别户型图的各部分特征，提高户型图的识别效率。

Method, device and computer equipment of house type identification based on object detection

【技术实现步骤摘要】
基于目标检测的户型图识别方法、装置、计算机设备
本专利技术涉及图像处理
，尤其涉及一种基于目标检测的户型图识别方法、装置、计算机设备和存储介质。
技术介绍
在3维家装设计中，户型图识别是家装设计的第一步。设计时，需要将用户提供的2维临摹图重建为3维户型图。所以需要先进行户型图识别，然后用DR(虚拟现实)软件基于识别的信息重建为3维形态，最后设计师在3维空间中进行家装设计。传统方式是通过人工按照临摹图画出来，这种形式耗时耗力，或者基于一些人工设计的规则来识别，准确率很低，需要人工来调整。可见，传统的户型图识别过程存在效率低的问题。
技术实现思路
针对以上问题，本专利技术提出一种基于客户退单预警的订单数据处理方法、计算机设备和存储介质。为实现本专利技术的目的，提供一种基于客户退单预警的订单数据处理方法，包括如下步骤：S10，获取携带标签数据的训练户型图；S20，在YOLOV3模型的DarkNet53网络后面加入Mask分支，并Head网络中加入Centerness分支，得到初始模型；S30，本文档来自技高网...

【技术保护点】
1.一种基于目标检测的户型图识别方法，其特征在于，包括如下步骤：/nS10，获取携带标签数据的训练户型图；/nS20，在YOLOV3模型的DarkNet53网络后面加入Mask分支，并Head网络中加入Centerness分支，得到初始模型；/nS30，将训练户型图输入初始模型中进行训练，读取各个分支的损失函数，在各个分支的损失函数均取到最小值时，根据初始模型当前的模型参数确定检测模型；/nS40，将待识别户型图输入检测模型，输出检测结果；/nS50，识别检测结果中的矩形标注框，合并表征相同特征的矩形标注框，依据最终的矩形标注框确定待识别户型图的各部分特征。/n

【技术特征摘要】
1.一种基于目标检测的户型图识别方法，其特征在于，包括如下步骤：
S10，获取携带标签数据的训练户型图；
S20，在YOLOV3模型的DarkNet53网络后面加入Mask分支，并Head网络中加入Centerness分支，得到初始模型；
S30，将训练户型图输入初始模型中进行训练，读取各个分支的损失函数，在各个分支的损失函数均取到最小值时，根据初始模型当前的模型参数确定检测模型；
S40，将待识别户型图输入检测模型，输出检测结果；
S50，识别检测结果中的矩形标注框，合并表征相同特征的矩形标注框，依据最终的矩形标注框确定待识别户型图的各部分特征。


2.根据权利要求1所述的基于目标检测的户型图识别方法，其特征在于，在一个实施方式中，所述标签数据包括类别、目标矩形框的坐标、Mask和Centerness值。


3.根据权利要求1所述的基于目标检测的户型图识别方法，其特征在于，在一个实施方式中，所述将训练户型图输入初始模型中进行训练的过程包括：
将训练户型图输入YOLOV3里的DarkNet53网络提取出三个特征图，分别将三个特征图依次输入检测分支和Mask分支进行处理，使三个特征图分别经过对应的Head网络，输出矩形框类别、矩形框坐标和各点对应的Centerness值。


4.根据权利要求3所述的基于目标检测的户型图识别方法，其特征在于，在一个实施方式中，所述Head网络包括Regression支路和Classification支路；所述Classification支路中包括分类支路与Centerness支路；
三个特征图中的一个特征图经过对应的Head网络包括：
每个支路都经过4层卷积核为3*3的卷积操作，Regression支路经过最后一个3*3卷积输出W*H*4的特征图，分类支路经过卷积核为3*3的卷积后，输出为W*H*C，即每个点有C个值，这C个值经过softmax层，以算出每个点对应C个类别中每个类别的概率；选取概率最大的就是这个点的类别和分类得分，得到这个点对应Regression支路预测的矩形框的类别；Centerness支路经过卷积核为3*3的卷积后，输出为W*H*1，输出每个点预测的Centerness值；Centerness值乘以分类得分，就是最终矩形框的得分；其中，W为户型图的宽，H为户型图的高，C为类别数。


5.根据权利要求3所述的基于目标检测的户型图识别方法，其特征在于，在一个实施方式中，所述将一个特征图依次输入检测分支和Mask分支进行处理包括：
在Mask分支中，对特征图经过4层卷积核为3*3的卷积操作，再经过一个卷积输出为W*H*C；其中，W为户型图的宽，H为户型图的高，C为类别数；
在检测分支中，将特征图分为两路，一路经过卷积直接输出，一路进行向上取样，将特征图的大小扩大1倍，再与相应尺度的特征图融合。


6.根据权利要求1所述的基于目标检测的户型图识别方法，其特征在于，在一个实施方式中，若矩形标注框表征墙体，针对平行且重叠墙体，合并表征相同特征的矩形标注框的过程包括：
步骤A1，遍历所有墙体判断墙体是x轴方向长还是y轴方向长，若两个墙体都是x轴方向长或者y轴方向长，则是平行墙体，执行步骤B1；否则不是平行墙体，继续执行遍历所有墙体判断墙体是x轴方向长还是y轴方向长；其中，x轴为墙体所在坐标系的第一维坐标轴，y轴为墙体所在坐...

【专利技术属性】
技术研发人员：陈旋，吕成云，贺叶羊，
申请(专利权)人：江苏艾佳家居用品有限公司，
类型：发明
国别省市：江苏;32