构件识别方法、构建训练集方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种构件识别方法、构建训练集方法、装置、设备及存储介质，其中，所述构建训练集的方法，包括：判定第一建筑图纸中存在目标构件；对所述第一建筑图纸进行数据增强，得到第一建筑图纸的图纸集合；对于所述图纸集合的每一张图纸，在所述图纸上选取至少两个不同的起始位置，并按照所述起始位置分别对所述图纸进行切分，得到多个子图；从多个所述子图中，获取包含所述目标构件的目标子图；其中，所述目标子图用于构建所述目标构件的训练集。本申请用以解决智能审图过程中，样本数量有限，导致识别模型识别效果差的问题。致识别模型识别效果差的问题。致识别模型识别效果差的问题。

【技术实现步骤摘要】
构件识别方法、构建训练集方法、装置、设备及存储介质


[0001]本申请涉及智能审图领域，尤其涉及一种构建训练集的方法、装置、设备及存储介质以及一种构件识别的方法。

技术介绍

[0002]伴随着经济的迅速发展，建筑行业也得到了大力发展。建筑图纸是施工的重要依据，建筑图纸中构件众多，且每种构件的设计应当符合相应的国家规范和行业标准，合格的建筑图纸对于保障居民的安全至关重要。
[0003]在对建筑图纸进行自动审核时，识别构件是其中重要的一个环节。目前，可以采用神经网络，例如卷积神经CNN，实现对建筑构件的识别和定位。但是，神经网络在识别目标时，需要预先利用大量训练数据样本对神经网络进行训练，以保证神经网络识别模型更智能、识别的更精确。
[0004]但是，目前对于智能审图的训练样本数据相对于其他目标识别领域的训练样本数据要少很多，通常在实际应用中，利用绘制的建筑图纸对神经网络进行训练，某些构件的样本数量不足，导致神经网络识别效果差。

技术实现思路

[0005]本申请提供了一种构件识别方法、构建训练集方法、装置、设备及存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种构建训练集的方法，其特征在于，包括：判定第一建筑图纸中存在目标构件；对所述第一建筑图纸进行数据增强，得到第一建筑图纸的图纸集合；对于所述图纸集合的每一张图纸，在所述图纸上选取至少两个不同的起始位置，并按照所述起始位置分别对所述图纸进行切分，得到多个子图；从多个所述子图中，获取包含所述目标构件的目标子图；其中，所述目标子图用于构建所述目标构件的训练集。2.根据权利要求1所述的构建训练集的方法，其特征在于，所述判定第一建筑图纸中存在目标构件，包括：获取目标类别标签；获取所述第一建筑图纸的第一类别标注文件；确定所述第一类别标注文件中存在所述目标类别标签；将所述目标类别标签对应的构件作为所述目标构件。3.根据权利要求2所述的构建训练集的方法，其特征在于，所述获取目标类别标签，包括：获取至少一张建筑图纸的第二类别标注文件；其中，所述至少一张建筑图纸中包括所述第一建筑图纸；统计所述第二类别标注文件中，每一种构件的类别标签的总次数；确定所述总次数低于预设值的类别标签，作为所述目标类别标签。4.根据权利要求1所述的构建训练集的方法，其特征在于，所述按照所述起始位置分别对所述图纸进行切分，包括：按照预设第一尺寸的第一滑动窗口和预设第一重叠比例，以不同的起始位置分别对所述图纸进行切分，其中，所述预设第一重叠比例用于表征在利用所述第一滑动窗口切分第一建筑图纸的过程中，所述第一滑动窗口选中的相邻区域存在的重叠区域的大小；或者，获取所述图纸集合的每一张图纸的类别标注文件；从所述类别标注文件中，获取所述目标构件的坐标信息；在所述坐标信息的预设范围内，按照预设第一尺寸的第一滑动窗口和预设第一重叠比例，以不同的所述起始位置分别对所述图纸进行切分。5.根据权利要求1所述的构建训练集的方法，其特征在于，所述从多个所述子图中，获取包含所述目标构件的目标子图，包括：获取所述图纸集合的每一张图纸的类别标注文件；对于每一张图纸，从所述类别标注文件中，获取所述目标构件的坐标信息；根据所述坐标信息，确定所述目标构件落入所述子图中，将所述子图作为所述目标子图；或者，利用目标检测方法确定所述子图中包含所述目标构件，将所述子图作为所述目标子图。6.一种构件的识别方法，其特征在于，包括：获取待识别的第二建筑图纸的图像；对所述图像进行切分，得到多个待识别子图，并记录从所述图像转换到每个待识别子
图的各自的转换矩阵；将各个所述待识...

【专利技术属性】
技术研发人员：蒋梦莹，祝汉武，夏晨曦，
申请(专利权)人：万翼科技有限公司，
类型：发明
国别省市：