SFS-A68：用于公寓建筑空间功能分割的数据集
计算机视觉与模式识别
2022-09-20 v1 人工智能
机器学习
摘要
对建筑模型进行可用面积、建筑安全或能耗分析需要空间及相关对象的功能分类数据。自动空间功能分类有助于减少输入模型准备的工作量和错误。现有空间功能分类器使用空间特征向量或空间连接图作为输入。将深度学习 (DL) 图像分割方法应用于空间功能分类尚未被研究。作为解决此差距的初步步骤，我们提出了一个数据集 SFS-A68，其由 68 个数字 3D 公寓建筑空间布局模型生成的输入图像与真值图像组成。该数据集适用于开发用于空间功能分割的 DL 模型。我们使用该数据集训练并评估了一个基于迁移学习和从头训练的实验性空间功能分割网络。测试结果证实了 DL 图像分割在空间功能分类中的适用性。实验的代码与数据集已在线公开 (https://github.com/A2Amir/SFS-A68)。
引用
@article{arxiv.2209.09094,
title = {SFS-A68: a dataset for the segmentation of space functions in apartment buildings},
author = {Amir Ziaee and Georg Suter},
journal= {arXiv preprint arXiv:2209.09094},
year = {2022}
}
备注
Published in proceedings of the 29th International Workshop on Intelligent Computing in Engineering, EG-ICE 2022, Aarhus, Denmark. https://doi.org/10.7146/aul.455.c222