[发明专利]用于获得房屋布局信息的方法、网络模型训练方法及装置

权利要求书

1.一种用于获得房屋布局信息的方法，包括：

对房屋图像进行语义分割处理，获得所述房屋图像的语义分割特征图；

对所述语义分割特征图，进行房屋附属物预测处理，获得所述房屋图像的房屋附属物特征图；

对所述房屋附属物特征图，进行墙角线预测处理，获得所述房屋图像的墙角线特征图；

根据所述墙角线特征图，确定所述房屋图像的房屋布局信息；

其中，所述对所述语义分割特征图，进行房屋附属物预测处理，获得所述房屋图像的房屋附属物特征图，包括：

对所述语义分割特征图进行卷积处理和金字塔池化处理，获得所述房屋图像的房屋附属物特征图；

其中，所述对所述房屋附属物特征图，进行墙角线预测处理，获得所述房屋图像的墙角线特征图，包括：

所述对所述房屋附属物特征图进行墙角线分类处理，获得所述房屋图像的墙角线特征图；

其中，所述根据所述墙角线特征图，确定所述房屋图像的房屋布局信息，包括：

对所述墙角线特征图所表征出的墙角线信息进行优化处理，获得优化处理后的墙角线信息；

其中，所述房屋图像的房屋布局信息包括：所述优化处理后的墙角线信息。

2.根据权利要求1所述的方法，其中，所述对房屋图像进行语义分割处理，获得所述房屋图像的语义分割特征图，包括：

将所述房屋图像作为深度残差神经网络的输入，提供给所述深度残差神经网络，经由所述深度残差神经网络对所述房屋图像进行语义分割处理，并根据所述深度残差神经网络的输出，获得所述房屋图像的语义分割特征图。

3.根据权利要求1所述的方法，其中，所述对所述语义分割特征图进行卷积处理和金字塔池化处理，获得所述房屋图像的房屋附属物特征图，包括：

对所述语义分割特征图进行第一卷积处理；

对所述第一卷积处理结果进行金字塔池化处理；

对所述金字塔池化处理结果进行第二卷积处理，获得所述房屋图像的房屋附属物特征图；

其中，所述房屋附属物特征图包括：房屋附属物的类别信息。

4.根据权利要求1所述的方法，其中，所述对所述房屋附属物特征图进行墙角线分类处理，获得所述房屋图像的墙角线特征图，包括：

将所述房屋附属物特征图作为第一全连接模块的输入，提供给所述第一全连接模块，经由所述第一全连接模块对所述房屋附属物特征图进行墙角线分类处理，获得所述房屋图像的墙角线特征图。

5.根据权利要求4所述的方法，其中，所述经由所述第一全连接模块对所述房屋附属物特征图进行墙角线分类处理，包括：

经由所述第一全连接模块根据所述房屋附属物特征图，确定所述房屋图像中的每一个像素点分别属于基于墙和天花板之间的第一墙角线类别的置信度、基于墙和墙之间的第二墙角线类别的置信度、基于墙和地板之间的第三墙角线类别的置信度以及背景类别的置信度。

6.根据权利要求1所述的方法，其中，所述对所述墙角线特征图所表征出的墙角线信息进行优化处理，包括：

根据所述墙角线特征图中的相邻像素之间的相似度，对所述墙角线特征图所表征出的墙角线信息进行优化处理。

7.根据权利要求6所述的方法，其中，所述根据所述墙角线特征图中的相邻像素之间的相似度，对所述墙角线特征图所表征出的墙角线信息进行优化处理，包括：

将所述墙角线特征图作为条件随机场模块的输入，提供给所述条件随机场模块，经由所述条件随机场模块对所述墙角线特征图所表征出的墙角线信息进行优化处理。