[发明专利]利用逐像素分类器来对2D平面图进行语义分割

权利要求书

1.一种用于确定函数的计算机实现的方法，所述函数被配置为确定表示建筑的布局的2D平面图的语义分割，所述函数具有呈现卷积编码器-解码器结构的神经网络，所述神经网络包括关于一组类的逐像素分类器，所述一组类包括墙壁类、门类和窗户类中的至少两个类，所述方法包括：

提供包括2D平面图的数据集，所述2D平面图中的每个与相应的语义分割相关联；以及

基于所述数据集来学习所述函数。

2.如权利要求1所述的方法，其中，所述函数呈现高于0.85的平均准确度和/或高于0.75的平均交除并。

3.如权利要求1或2所述的方法，其中，所述神经网络包括权重，并且所述学习包括利用优化算法，根据所述数据集和损失函数来更新所述权重。

4.如权利要求3所述的方法，其中，所述优化算法是随机梯度下降。

5.如权利要求4所述的方法，其中，所述损失函数是交叉熵损失函数。

6.如权利要求3、4或5所述的方法，其中，针对每个输入的2D平面图，所述逐像素分类器输出用于推断所述输入的2D平面图的语义分割蒙板的相应数据，所述语义分割蒙板是关于所述一组类的对所述2D平面图的逐像素分类，针对所述数据集的每个2D平面图，损失函数惩罚关于与所述数据集中的2D平面图相关联的相应语义分割的语义分割蒙板错误的推断。

7.如权利要求6所述的方法，其中，针对输入的2D平面图的每个像素，所述逐像素分类器输出用于推断所述一组类的一类的相应数据，针对所述数据集的每个2D平面图的每个像素，所述损失函数惩罚与通过与所述数据集中的2D平面图相关联的相应语义分割针对所述像素提供的类不同的相应类的推断。

8.如权利要求7所述的方法，其中，由所述逐像素分类器输出的相应数据包括所述一组类上的概率分布。

9.如权利要求8所述的方法，其中，所述损失函数包括损失项的加和，每个损失项关于相应的像素，每个损失项具有以下类型：

其中：

-C是所述一组类的类的数量；

-i指定所述一组类中的一类；

-如果类i是通过与所述数据集中的2D平面图相关联的相应语义分割针对所述相应的像素提供的类，则是二元指示符；以及

是由针对类i的逐像素分类器输出的概率。

10.如权利要求3至9中任一项所述的方法，其中，所述损失函数是多项式的和/或所述逐像素分类器是softmax分类器。

11.如权利要求1至10中任一项所述的方法，其中，提供所述数据集包括：

提供2D平面图的数据库，每个2D平面图与相应3D模型相关联；以及

针对每个2D平面图确定来自所述相应3D模型的相应语义分割。

12.一种用于确定表示建筑的布局的2D平面图的语义分割的计算机实现的方法，所述方法包括：

提供所述2D平面图；

将函数应用于所述2D平面图，所述函数是根据权利要求1至11中任一项所述的方法而能够学习的。

13.一种用于生成表示建筑的3D模型的计算机实现的方法，所述方法包括：

提供表示所述建筑的布局的2D平面图；

根据权利要求12所述的方法确定所述2D平面图的语义分割；

基于所述语义分割来确定所述3D模型。

14.一种计算机程序，包括用于执行如权利要求1至11中任一项所述的方法、如权利要求12所述的方法和/或如权利要求13所述的方法的指令。

15.一种包括存储器的设备，所述存储器上记录有如权利要求14所述的计算机程序，所述设备能够选择地还包括耦合到所述存储器的处理器和图形用户界面。