Reconocimiento de componentes y extracción de coordenadas en dibujos en papel bidimensional utilizando SegFormer
Autores: Gu, Shengkun; Wang, Dejiang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Reconocimiento de componentes y extracción de coordenadas en dibujos en papel bidimensional utilizando SegFormer
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Dominio
Informatización arquitectónica urbana
Métodos de reconocimiento
Algoritmos de segmentación semántica
Modelos de aprendizaje profundo
Técnicas de procesamiento de imágenes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Dentro del ámbito de la informatización urbana arquitectónica, el reconocimiento automático y preciso de esquemas en papel bidimensional surge como un desafío técnico fundamental. Los métodos de reconocimiento empleados tradicionalmente a menudo encuentran limitaciones debido a la calidad fluctuante de los dibujos arquitectónicos y los límites de las metodologías actuales de procesamiento de imágenes, lo que inhibe la realización de alta precisión. La investigación delinea un marco innovador que sintetiza algoritmos de segmentación semántica refinados con técnicas de procesamiento de imágenes y métodos de identificación de coordenadas precisas, con el objetivo de mejorar la precisión y la eficiencia operativa en la identificación de elementos arquitectónicos. Un conjunto de datos meticulosamente curado, que presenta 13 categorías principales de componentes de edificios y estructuras, facilitó el entrenamiento y la evaluación exhaustiva de dos modelos de aprendizaje profundo distintos. Los hallazgos empíricos revelan que estos algoritmos alcanzaron valores de intersección media sobre unión (MIoU) del 96.44% y 98.01% en el conjunto de datos de evaluación, marcando una mejora sustancial en el rendimiento en relación con los enfoques tradicionales. Junto con esto, la integración del marco de la Transformada de Hough con la tecnología de SQL Server ha reducido significativamente las tasas de error en la detección de coordenadas para elementos lineales y circulares a menos del 0.1% y 0.15%, respectivamente. Esta investigación no solo logra la transición eficaz de dibujos en papel bidimensional analógicos a sus contrapartes digitales, sino que también asegura la identificación y localización precisas de componentes arquitectónicos esenciales dentro del marco de coordenadas de imágenes digitales. Estos desarrollos son de considerable importancia para avanzar en la transición digital dentro de la industria de la construcción y establecen una base sólida para la próxima extensión de colecciones de datos y la mejora de la eficacia algorítmica.
Descripción
Dentro del ámbito de la informatización urbana arquitectónica, el reconocimiento automático y preciso de esquemas en papel bidimensional surge como un desafío técnico fundamental. Los métodos de reconocimiento empleados tradicionalmente a menudo encuentran limitaciones debido a la calidad fluctuante de los dibujos arquitectónicos y los límites de las metodologías actuales de procesamiento de imágenes, lo que inhibe la realización de alta precisión. La investigación delinea un marco innovador que sintetiza algoritmos de segmentación semántica refinados con técnicas de procesamiento de imágenes y métodos de identificación de coordenadas precisas, con el objetivo de mejorar la precisión y la eficiencia operativa en la identificación de elementos arquitectónicos. Un conjunto de datos meticulosamente curado, que presenta 13 categorías principales de componentes de edificios y estructuras, facilitó el entrenamiento y la evaluación exhaustiva de dos modelos de aprendizaje profundo distintos. Los hallazgos empíricos revelan que estos algoritmos alcanzaron valores de intersección media sobre unión (MIoU) del 96.44% y 98.01% en el conjunto de datos de evaluación, marcando una mejora sustancial en el rendimiento en relación con los enfoques tradicionales. Junto con esto, la integración del marco de la Transformada de Hough con la tecnología de SQL Server ha reducido significativamente las tasas de error en la detección de coordenadas para elementos lineales y circulares a menos del 0.1% y 0.15%, respectivamente. Esta investigación no solo logra la transición eficaz de dibujos en papel bidimensional analógicos a sus contrapartes digitales, sino que también asegura la identificación y localización precisas de componentes arquitectónicos esenciales dentro del marco de coordenadas de imágenes digitales. Estos desarrollos son de considerable importancia para avanzar en la transición digital dentro de la industria de la construcción y establecen una base sólida para la próxima extensión de colecciones de datos y la mejora de la eficacia algorítmica.