[发明专利]一种基于SSD模型的建筑图纸非构件识别方法

权利要求书

1.一种基于SSD模型的建筑图纸非构件识别方法，其特征在于，包括如下步骤：

步骤(1)遍历所有PDF格式的建筑图纸，获得原始图纸文件信息集和图纸文件集G1、G2，同时对G2进行格式转换和图纸预处理，获得预处理后的JPG格式的图纸文件集G3；

步骤(2)采用SSD算法对JPG格式的图纸文件集G3进行训练，获得非构件检测模型f，输出建筑图纸非构件信息集G4，具体方法为：

(2.1)定义C1、C2分别为单张图纸非构件类别信息集、识别准确率信息集，定义class、scoring分别为单个非构件的类别、识别准确率，C1＝{class₁,class₂,…,class_d,…,class_D}，class_d为C1中的第d个类别，其中，D＝Card(C1)，C2＝{scoring₁,scoring₂,…,scoring_e,…,scoring_E}，scoring_e为C2中的第e个识别准确率，其中，E＝Card(C2)；

(2.2)定义Data为单张非构件数据集，并且满足关系Data＝{C1,C2}，定义建筑图纸测试集、训练集为R1、R2，R1、R2赋初值为0，定义循环变量j2用来遍历G3，j2赋初值为0；

(2.3)对建筑图纸name_a使用标注工具LabelImg对门、底层楼梯、中间层楼梯、顶层楼梯、墙壁进行标注，生成与name_a同名的XML文件，获得XML文件集R3；

(2.4)j2＝j2+1；

(2.5)如果j2A，其中，A为建筑图纸的总数，转到步骤(2.3)，否则转到步骤(2.6)；

(2.6)将G3中的建筑图纸和R3中对应的XML文件按照3:7的比例分别放入R1和R2中；

(2.7)分别使用xml_to_csv.py和generate_tfrecord.py对R1和R2中的XML文件分别转换为CSV格式文件和TFRecord格式文件，分别得到测试数据集R4和训练数据集R5；

(2.8)使用SSD算法对R4、R5进行训练，获得非构件识别模型f；

(2.9)将所得非构件识别模型f对建筑图纸进行非构件检测，获得建筑图纸非构件信息集G4，其中，G4＝{Data₁,Data₂,…,Data_a,…,Data_A}，Data_a为G4中的第a张图纸的非构件信息集，同时以CSV格式导出；

步骤(3)等梯度调整衰减学习率decayed_learning_rate，获得最优检测模型集G5；

步骤(4)输出最优检测模型集G5。