【技术实现步骤摘要】
一种基于人工智能家具场景的户型图快速识别系统
[0001]本专利技术涉及图像识别
,尤其是一种基于人工智能家具场景的户型图快速识别系统。
技术介绍
[0002]伴随着图片成为互联网中的主要载体,难题随之出现,当信息由文字记载时,目前,人们可以通过关键词搜索,轻易找到所需要的内容并进行任意的编辑,而当信息是由图片进行记载时,例如户型图表示住房信息时,则存在一定的识别难度。现有技术中,通过识别算法对户型图进行拆分识别和建模,虽然可以有效提升户型图识别效率,但是仅针对于普通户型图具有良好的效果提升,对于添加了复杂家具场景的户型图,由于各构件的深度等问题,造成复杂构件识别困难增加,增加了识别消耗的时间。
技术实现思路
[0003]本专利技术的目的是通过提出一种基于人工智能家具场景的户型图快速识别系统,以解决上述
技术介绍
中提出的缺陷。
[0004]本专利技术采用的技术方案如下:
[0005]提供一种基于人工智能家具场景的户型图快速识别系统,包括:
[0006]数据扫描模块:用于对户型图及对应深度进行扫描并记录,获得户型图数据;
[0007]数据处理模块:用于对获取的户型图数据进行预处理操作;
[0008]数据识别模块:通过FL
‑
XGBOOST算法对预处理后的户型图数据进行识别;
[0009]分类提取模块:用于根据识别结果对扫描的户型图数据进行分类提取。
[0010]作为本专利技术的一种优选技术方案:所述数据处理模块中的预处理操作包 ...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能家具场景的户型图快速识别系统,其特征在于:包括:数据扫描模块(100):用于对户型图及对应深度进行扫描并记录,获得户型图数据;数据处理模块(200):用于对获取的户型图数据进行预处理操作;数据识别模块(300):通过FL
‑
XGBOOST算法对预处理后的户型图数据进行识别;分类提取模块(400):用于根据识别结果对户型图数据进行分类提取。2.根据权利要求1所述的基于人工智能家具场景的户型图快速识别系统,其特征在于:所述数据处理模块(200)中的预处理操作包括图像滤波处理和图像增强处理。3.根据权利要求1所述的基于人工智能家具场景的户型图快速识别系统,其特征在于:所述数据识别模块(300)根据FL
‑
XGBOOST算法对预处理后的户型图数据中的不同结构进行识别分类。4.根据权利要求3所述的基于人工智能家具场景的户型图快速识别系统,其特征在于:所述数据识别模块(300)根据数据扫描模块(100)扫描获取的户型图深度数据根据识别分类的不同结构的深度分别进行对应识别记录。5.根据权利要求4所述的基于人工智能家具场景的户型图快速识别系统,其特征在于:所述FL
‑
XGBOOST算法中,通过数据处理模块(200)获取完整的户型图数据并进行训练,迭代计算FL损失并判断是否收敛;其中,训练时每一次迭代增加一棵决策树拟合上一次迭代过程中的真实值与预测值之间的FL残差。6.根据权利要求5所述的基于人工智能家具场景的户型图快速识别系统,其特征在于:所述FL
‑
XGBOOST算法中,构建目标函数O如下:其中,L为FL残差的损失函数;Ω(f
τ
)为第τ∈[1,t]次迭代的决策树f
τ
对应的正则项;将L展开得到:其中,α为引入系数,用于调整户型图中不同结构在损失函数中的权重;β为聚焦稀疏系数,用于调整易分类结构和难分类结构的损失权重;表示第i个户型图输入结构的最终预测结果;将Ω(f
i
)展开得到:其中,λ和γ为预设的超参数;j∈[1,T]为结点数;w
j
表示叶子结点j的权重向量;新生成的决策树拟合上一迭代预测的残差,即第τ次迭代目标函数O
τ
表示为:其中,i∈[1,n]为样本数;f
τ
(x<...
【专利技术属性】
技术研发人员:陈俊,王冲,
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。