基于深度学习和数字图像处理在3D地图上识别建筑外观图像并提取立面信息
计算机视觉与模式识别
2022-01-05 v1
摘要
尽管韩国建筑管理信息长期提供高质量信息，但其效用水平不高，因为信息侧重于行政信息。与此同时，随着技术发展出现了分辨率更高的三维（3D）地图。然而，其表现仅限于视觉传达，因为仅包含聚焦建筑外观的图像信息。若能从3D地图中提取或识别建筑外观相关信息，预计信息效用将更有价值，因为国家建筑管理信息可由此潜在扩展至包含此类建筑外观信息，达到BIM（建筑信息模型）水平。本研究旨在提出并评估一种利用深度学习和数字图像处理为3D制图提取建筑外观相关信息的基础方法。从地图提取并预处理图像后，使用Fast R-CNN（带卷积神经网络的区域）模型识别信息。从地图提取并预处理图像后，使用Faster R-CNN模型识别信息。结果在检测建筑立面和窗部时分别显示约93%和91%的准确率，且在提取建筑立面信息的实验中表现优异。不过，预计通过补充因实验者误解窗户不清晰边界导致的误检率或噪声数据混合的可能性，可获得改进结果。
引用
@article{arxiv.2201.01081,
title = {Identifying the exterior image of buildings on a 3D map and extracting elevation information using deep learning and digital image processing},
author = {Donghwa Shon and Byeongjoon Noh and Nahyang Byun},
journal= {arXiv preprint arXiv:2201.01081},
year = {2022}
}
备注
16 pages, 10 figures