基于参数化生成虚拟建筑数据的深度学习用于真实世界物体识别
计算机视觉与模式识别
2023-02-13 v1 人工智能
机器学习
摘要
我们研究了利用参数化建筑信息模型（BIM）自动生成训练数据，以训练人工神经网络（ANNs）识别照片中的建筑物体。教导人工智能（AI）机器检测图像中的建筑物体，是实现现有建筑 AI 辅助语义三维重建的基础。然而，获取训练数据存在挑战，这类数据通常需人工标注，除非计算机能够生成高质量数据以自行训练完成特定任务。为此，我们仅使用由 BIMGenE 程序参数化自动生成的 3D BIM 模型所渲染的逼真计算机图像来训练 ANNs。该 ANN 训练结果在测试用例以及超出训练数据范围的任意建筑照片上均展现出良好的泛化能力与语义分割效果，这对于未来利用生成数据训练 AI 解决真实世界建筑问题具有重要意义。
引用
@article{arxiv.2302.05283,
title = {Deep Learning from Parametrically Generated Virtual Buildings for Real-World Object Recognition},
author = {Mohammad Alawadhi and Wei Yan},
journal= {arXiv preprint arXiv:2302.05283},
year = {2023}
}