SAGC-A68：用于公寓建筑空间与空间元素分类的出入图数据集
机器学习
2023-07-11 v1 人工智能
摘要
对建筑模型进行使用面积、建筑安全性和能源使用的分析，需要准确的空间与空间元素分类数据。为减少输入模型准备的工作量与错误，空间与空间元素的自动分类是可取的。阻碍图深度学习（GDL）方法用于空间功能与空间元素分类的一个障碍是缺乏合适的数据集。为弥补这一差距，我们引入了一个数据集SAGC-A68，其包含从68个数字3D公寓建筑空间布局模型自动生成的出入图。该基于图的数据集非常适合于开发用于空间功能与空间元素分类的GDL模型。为展示该数据集的潜力，我们将其用于训练并评估一个图注意力网络（GAT），该网络预测22个空间功能类别与6个空间元素类别。实验中使用的数据集与代码可在线获取。https://doi.org/10.5281/zenodo.7805872, https://github.com/A2Amir/SAGC-A68。
引用
@article{arxiv.2307.04515,
title = {SAGC-A68: a space access graph dataset for the classification of spaces and space elements in apartment buildings},
author = {Amir Ziaee and Georg Suter},
journal= {arXiv preprint arXiv:2307.04515},
year = {2023}
}
备注
Published in proceedings of the 30th International Workshop on Intelligent Computing in Engineering, EG-ICE 2023, London, England. https://www.ucl.ac.uk/bartlett/construction/sites/bartlett_construction/files/sagc-a68_a_space_access_graph_dataset_for_the_classification_of_spaces_and_space_elements_in_apartment_buildings.pdf