【技術實現步驟摘要】
本專利技術涉及圖片識別，尤其涉及一種僑鄉風貌設計圖識別方法、裝置、終端設備和存儲介質。
技術介紹
1、目前，在建筑行業，對僑鄉文化的研究過程中，需要對建筑設計圖是否符合僑鄉風貌設計風格。這種情況中，通常是人工去比對各個建筑構建和裝飾元素等，依次判斷設計圖是否符合僑鄉風貌設計。人工判斷的過程存在一定的主觀誤差，并且耗費時間和人力。
技術實現思路
1、本專利技術提供了一種僑鄉風貌設計圖識別方法、裝置、終端設備和存儲介質，以解決現有技術依賴人工識別設計圖導致的誤差大和耗時耗力的技術問題。
2、為了解決上述技術問題，本專利技術實施例提供了一種僑鄉風貌設計圖識別方法，包括：
3、獲取待識別的設計圖；
4、將所述設計圖輸入訓練好的風格識別及評分模型，以使所述風格識別及評分模型輸出所述設計圖的風格類型和對應的風格評分；所述風格評分用于量化所述設計圖真實的風格類型與預測的風格類型之間的相似度；
5、根據所述設計圖，提取若干基礎構件和空間設計要素；其中，所述基礎構件的種類包括：門、窗、柱、天井和屋頂；所述空間設計要素包括：建筑形式、建筑朝向和景觀；
6、根據所述風格類型，從預設的基礎構件庫中選取對應的參考基礎構件；針對每一基礎構件，計算所述基礎構件與所述參照基礎構件之間的基礎構件相似度；根據所有基礎構件相似度和每一所述基礎構件預設的權重值，計算所述設計圖的基礎構件評分；
7、根據所述風格類型，從預設的空間設計要素庫中選取對應的參
8、根據所述風格評分、所述基礎構件評分、所述空間設計要素評分和預設的各評分的權重值，計算所述設計圖的綜合評分；判斷所述綜合評分是否達到預設的所述風格類型對應的綜合評分閾值，若是，則確定所述設計圖為僑鄉風貌設計圖，并確定所述設計圖為所述風格類型的設計圖，若否，則確定所述設計圖不為僑鄉風貌設計圖。
9、作為優選方案，所述風格識別及評分模型的訓練過程，包括：
10、獲取若干樣本設計圖以及每一樣本設計圖的風格類型和對應的風格評分；
11、根據每一樣本設計圖的風格類型和風格評分，設置樣本設計圖的標簽；
12、構建初始的風格識別及評分模型，以所述樣本設計圖為輸入，以預測的所述樣本設計圖的風格類型和對應的風格評分為輸出，對所述風格識別及評分模型進行訓練，得到訓練好的風格識別及評分模型。
13、作為優選方案，所述風格識別及評分模型為vgg卷積神經網絡；所述vgg卷積神經網絡的所有卷積層使用3×3的小尺寸卷積核。
14、作為優選方案，在訓練所述風格識別及評分模型時，將所述樣本設計圖輸入所述風格識別及評分模型，得到預測的風格類型和對應的風格評分，作為預測結果；
15、根據預設的損失函數，計算預測結果與對應的標簽的損失函數值；
16、根據所述損失函數值，對所述風格評分模型進行優化，以使所述損失函數值收斂。
17、作為優選方案，所述損失函數為交叉熵損失函數。
18、作為優選方案，所述計算所述基礎構件與所述參照基礎構件之間的基礎構件相似度，包括：
19、提取所述基礎構件的花紋、裝飾類型和造型；
20、計算所述花紋與所述參照基礎構件的花紋之間的花紋相似度；
21、計算所述裝飾類型與所述參照基礎構件的裝飾類型之間的裝飾類型相似度；
22、計算所述造型與所述參照基礎構件的造型之間的造型相似度；
23、根據所述花紋相似度、所述裝飾類型相似度和所述造型相似度、預設的花紋相似度權重值、裝飾類型相似度權重值和造型相似度權重值，計算所述基礎構件相似度。
24、作為優選方案，所述計算所述空間設計要素與所述參照空間設計要素之間的空間設計要素相似度，包括：
25、計算所述空間設計要素的建筑形式與所述參照空間設計要素的建筑形式之間的建筑形式相似度；
26、計算所述空間設計要素的建筑朝向與所述參照空間設計要素的建筑朝向之間的建筑朝向相似度；
27、計算所述空間設計要素的景觀與所述參照空間設計要素的景觀之間的景觀相似度；
28、根據所述建筑形式相似度、所述建筑朝向相似度、所述景觀相似度、預設的建筑形式相似度權重值、預設的建筑朝向相似度權重值和預設的景觀相似度權重值，計算所述空間設計要素相似度。
29、在上述實施例的基礎上，本專利技術另一實施例提供了一種僑鄉風貌設計圖識別裝置，包括：設計圖獲取模塊、風格識別和評分模塊、預處理模塊、基礎構件評分模塊、空間設計要素評分模塊和識別結果輸出模塊；
30、所述設計圖獲取模塊，用于獲取待識別的設計圖；
31、所述風格識別和評分模塊，用于將所述設計圖輸入訓練好的風格識別及評分模型，以使所述風格識別及評分模型輸出所述設計圖的風格類型和對應的風格評分；所述風格評分用于量化所述設計圖真實的風格類型與預測的風格類型之間的相似度；
32、所述預處理模塊，用于根據所述設計圖，提取若干基礎構件和空間設計要素；其中，所述基礎構件的種類包括：門、窗、柱、天井和屋頂；所述空間設計要素包括：建筑形式、建筑朝向和景觀；
33、所述基礎構件評分模塊，用于根據所述風格類型，從預設的基礎構件庫中選取對應的參考基礎構件；針對每一基礎構件，計算所述基礎構件與所述參照基礎構件之間的基礎構件相似度；根據所有基礎構件相似度和每一所述基礎構件預設的權重值，計算所述設計圖的基礎構件評分；
34、所述空間設計要素評分模塊，用于根據所述風格類型，從預設的空間設計要素庫中選取對應的參考空間設計要素；針對每一空間設計要素，計算所述空間設計要素與所述參照空間設計要素之間的空間設計要素相似度；根據所有空間設計要素相似度和每一所述空間設計要素預設的權重值，計算所述設計圖的空間設計要素評分；
35、所述識別結果輸出模塊，用于根據所述風格評分、所述基礎構件評分、所述空間設計要素評分和預設的各評分的權重值，計算所述設計圖的綜合評分；判斷所述綜合評分是否達到預設的所述風格類型對應的綜合評分閾值，若是，則確定所述設計圖為僑鄉風貌設計圖，并確定所述設計圖為所述風格類型的設計圖，若否，則確定所述設計圖不為僑鄉風貌設計圖。
36、在上述實施例的基礎上，本專利技術又一實施例提供了一種終端設備，所述終端設備包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現上述專利技術實施例所述的僑鄉風貌設計圖識別方法。
37、在上述實施例的基礎上，本專利技術又一實施例提供了一種存儲介質，所述存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述本文檔來自技高網...
【技術保護點】
1.一種僑鄉風貌設計圖識別方法，其特征在于，包括：
2.如權利要求1所述的僑鄉風貌設計圖識別方法，其特征在于，所述風格識別及評分模型的訓練過程，包括：
3.如權利要求2所述的僑鄉風貌設計圖識別方法，其特征在于，所述風格識別及評分模型為VGG卷積神經網絡；所述VGG卷積神經網絡的所有卷積層使用3×3的小尺寸卷積核。
4.如權利要求3所述的僑鄉風貌設計圖識別方法，其特征在于，在訓練所述風格識別及評分模型時，將所述樣本設計圖輸入所述風格識別及評分模型，得到預測的風格類型和對應的風格評分，作為預測結果；
5.如權利要求4所述的僑鄉風貌設計圖識別方法，其特征在于，所述損失函數為交叉熵損失函數。
6.如權利要求1所述的僑鄉風貌設計圖識別方法，其特征在于，所述計算所述基礎構件與所述參照基礎構件之間的基礎構件相似度，包括：
7.如權利要求1所述的僑鄉風貌設計圖識別方法，其特征在于，所述計算所述空間設計要素與所述參照空間設計要素之間的空間設計要素相似度，包括：
8.一種僑鄉風貌設計圖識別裝置，其特征在于，包括：設計
9.一種終端設備，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7中任意一項所述的僑鄉風貌設計圖識別方法。
10.一種存儲介質，其特征在于，所述存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述存儲介質所在設備執行如權利要求1至7中任意一項所述的僑鄉風貌設計圖識別方法。
...【技術特征摘要】
1.一種僑鄉風貌設計圖識別方法，其特征在于，包括：
2.如權利要求1所述的僑鄉風貌設計圖識別方法，其特征在于，所述風格識別及評分模型的訓練過程，包括：
3.如權利要求2所述的僑鄉風貌設計圖識別方法，其特征在于，所述風格識別及評分模型為vgg卷積神經網絡；所述vgg卷積神經網絡的所有卷積層使用3×3的小尺寸卷積核。
4.如權利要求3所述的僑鄉風貌設計圖識別方法，其特征在于，在訓練所述風格識別及評分模型時，將所述樣本設計圖輸入所述風格識別及評分模型，得到預測的風格類型和對應的風格評分，作為預測結果；
5.如權利要求4所述的僑鄉風貌設計圖識別方法，其特征在于，所述損失函數為交叉熵損失函數。
6.如權利要求1所述的僑鄉風貌設計圖識別方法，其特征在于，所述計算所述基礎構件與所述參照基礎構件之間...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。