基于视觉学习的城市尺度建筑信息建模与分类
计算机视觉与模式识别
2020-08-25 v2 机器学习
摘要
在本文中，我们提供两个案例研究以展示人工智能如何赋能土木工程。第一个案例中，提出了一种机器学习辅助框架 BRAILS，用于城市尺度的建筑信息建模。建筑信息建模（BIM）是一种描述建筑的高效方式，对建筑、工程与施工至关重要。我们提出的框架采用深度学习技术从卫星/街景图像中提取建筑的视觉信息。此外，提出了一种新颖的基于机器学习（ML）的统计工具 SURF，用于发现建筑元数据中的空间模式。第二个案例聚焦于软层建筑分类任务。软层建筑是一类在中等或强烈地震中易倒塌的建筑，因此识别并加固此类建筑在当前的地震防灾工作中至关重要。针对该任务，我们提出了一种基于自动化深度学习的方法，用于在区域尺度上从街景图像中识别软层建筑。我们还构建了一个大规模建筑图像数据库以及一种半自动图像标注方法，可有效标注新的数据库条目。通过大量计算实验，我们证明了所提方法的有效性。
引用
@article{arxiv.1910.06391,
title = {Building Information Modeling and Classification by Visual Learning At A City Scale},
author = {Qian Yu and Chaofeng Wang and Barbaros Cetiner and Stella X. Yu and Frank Mckenna and Ertugrul Taciroglu and Kincho H. Law},
journal= {arXiv preprint arXiv:1910.06391},
year = {2020}
}
备注
33rd Conference on Neural Information Processing Systems (NeurIPS 2019), Vancouver, Canada