典型文献
面向施工机械的深度学习图像数据集合成方法
文献摘要：
工程现场环境复杂,获取包含丰富信息的图像难度大且标注成本高,造成基于计算机视觉的深度学习施工机械图像数据集构建困难.为满足快速、高质量构建建筑工程领域施工机械深度学习图像数据集,提出一种基于三维建模引擎的施工机械图像生成与自动标注方法,并以挖掘机为例构建了名为SCED(Synthesized Construction Equipment Dataset)的挖掘机数据集.首先,采用三维建模引擎UE4对目标挖掘机设备进行模型构建,然后借助UnrealCV工具对原始模型进行多角度、多区域的图像采集,使用自编写模块实现自动语义分割与掩码图像生成,并完成图像的自动标注,最终生成包含10 000张图像的数据集.与现有公开机械数据集进行了 目标尺寸、数量与构建工作量的对比,并比较了构建效率与成本,最后进行了图像数据集质量与效果验证.结果表明:该构建方法综合效率更高且成本更低,构建的SCED图像数据集丰富性和泛化能力更好,针对小目标物具有更好的检测效果;研究成果可为今后建筑施工领域深度学习图像数据集的构建提供参考依据.
文献关键词：
计算机视觉;深度学习;建筑施工;施工机械;合成数据集
中图分类号：
作者姓名：
卢昱杰;刘博;刘金杉;赵宪忠
作者机构：
同济大学 建筑工程系,上海 200092;同济大学 工程结构性能演化与控制教育部重点实验室,上海 200092;同济大学上海智能科学与技术研究院,上海 200092
文献出处：
引用格式：
[1]卢昱杰;刘博;刘金杉;赵宪忠-.面向施工机械的深度学习图像数据集合成方法)[J].建筑科学与工程学报,2022(04):100-107
A类：
建模引擎,UnrealCV
B类：
施工机械,图像数据集,数据集合,合成方法,工程现场,现场环境,环境复杂,计算机视觉,机械图,数据集构建,建筑工程领域,三维建模,图像生成,自动标注,标注方法,挖掘机,SCED,Synthesized,Construction,Equipment,Dataset,UE4,机设备,多区域,图像采集,自编,语义分割,掩码图像,成图,终生,开机,标尺,效果验证,构建方法,综合效率,丰富性,泛化能力,小目标,检测效果,建筑施工领域,合成数据集
AB值：
0.382526
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
