Ich habe versucht, Deep Floor Plan mit Python 3.6.10 auszuführen.

Einführung

Ich habe die auf der ICCV 2019 angekündigte "Deep Floor Plan Recognition Using a Multi-Task Network mit raumbegrenzter Aufmerksamkeit" (im Folgenden als "Deep Floor Plan" bezeichnet) in die Python3-Version umgeschrieben und ausprobiert. [paper Python3-Version)](https://github.com/c-makitahiroki/DeepFloorplan)]

Ich befürchtete, dass die Aufgabe bestimmte geschäftliche Anforderungen haben könnte. In diesem Artikel werde ich DeepFloorPlan kurz vorstellen und dann die Ergebnisse der Ausführung des Demo-Programms schreiben. Die Ergebnisse der Durchführung des Lernprogramms werden in Zukunft hinzugefügt.

Was ist DeepFloorPlan?

Kurz gesagt, es ist eine DNN, die "** die Raumaufteilung erkennt **". Es ist charakteristisch, dass der Decoder für jede Raumgrenzenvorhersageaufgabe und Raumtypvorhersageaufgabe getrennt ist. Zusätzlich werden Raumgrenzeninformationen als Aufmerksamkeit für die Vorhersage des Raumtyps verwendet.

Das Netzwerk selbst ist relativ einfach, aber leistungsfähiger als PSPNet und DeepLab V3 +. Ist aus.

Ausführungsumgebung

OS: windows10 64bit GPU: GeForce GTX1060 6GB

Ergebnis der Ausführung des Demoprogramms

Ich habe versucht, das Demo-Programm mit dem trainierten Modell auszuführen. Hier möchte ich ein Beispiel geben, bei dem die Argumentation relativ gut ist, und ein Beispiel, bei dem dies nicht der Fall ist.

Ein Beispiel, das geschätzt werden kann

Einige der Hallen sind als Schränke und Toiletten anerkannt, aber der Hintergrund und die Zimmertypen, Türen und Fenster werden relativ korrekt erkannt.

Beispiele, die nicht geschätzt werden können

Die Grenze zwischen Balkon und Esszimmer wird nicht richtig erkannt. Es scheint, dass der Türtyp etwas Besonderes ist. Außerdem erkennen diese Daten einige Hintergrund- und Raumgrenzen nicht richtig. Es scheint, dass die Ursache darin besteht, dass der Hintergrundteil des Eingabebildes die Anmerkung der Zeichnung enthält.

Erwägung

Ich habe mir einige andere Daten angesehen, aber die folgenden Punkte scheinen schwierig zu sein.

• Spezieller Türtyp
• Im Hintergrund befinden sich Hinweise und Abmessungen
• Die Form des Raums ist verzerrt (ein Raum, der wie ein Kreis oder ein Trapez aussieht, kein einfaches Rechteck).

Ich möchte Verbesserungen vornehmen, um diesen Bereich in Zukunft zu behandeln.

Ergebnis der Lernprogrammausführung

Ich möchte es verbessern und die Ergebnisse später hinzufügen. Wenn Sie Vorschläge zur Verbesserung der Genauigkeit haben, kommentieren Sie bitte!