典型文献
基于改进Cascade RCNN的风管平面二维图纸识别
文献摘要：
过去20年,我国城市化水平迅速提高,高速发展的同时也带来了既有建筑量大面广,建筑设备退化、运维困难等问题.BIM包含丰富的信息,能够提高设备运维效率和质量,但很多既有建筑仅有纸质图纸资料,从纸质图纸中人工重建BIM耗时耗力,亟需一种从二维图纸自动创建BIM的方法.本文提出使用改进的Cas-cade RCNN算法结合数字图像处理技术识别风管平面图纸,提取图像中的设备类别和位置信息,为重建BIM提供数据基础.改进时针对风管设备类型众多、形态各异的特点,使用Res2Net提高网络的多尺度特征提取能力,融入可变形卷积DCNv2加强网络适应几何形变的能力,改进非极大值抑制算法提高定位精度,降低漏检风险.实验表明,本文算法可以准确识别风管平面图纸中的设备,改进有效减少了定位和分类错误,提高了识别精度,mAP达到80.8％.最后通过横向对比其他算法的效果,验证了本文算法的先进性.
文献关键词：
BIM;Cascade RCNN;风管平面图纸;二维图纸自动识别
中图分类号：
作者姓名：
杨墨逸;赵云凡;邓雪原
作者机构：
上海交通大学船舶海洋与建筑工程学院,上海 200240;中国建筑第八工程局有限公司,上海 200112;上海交通大学上海市公共建筑和基础设施数字化运维重点实验室,上海 200240
文献出处：
引用格式：
[1]杨墨逸;赵云凡;邓雪原-.基于改进Cascade RCNN的风管平面二维图纸识别)[J].土木工程与管理学报,2022(04):114-123
A类：
风管平面图纸,DCNv2,二维图纸自动识别
B类：
Cascade,RCNN,图纸识别,城市化水平,既有建筑,建筑量,面广,建筑设备,BIM,设备运维,纸质,耗力,出使,数字图像处理技术,技术识别,位置信息,数据基础,时针,形态各异,Res2Net,多尺度特征提取,特征提取能力,可变形卷积,网络适应,几何形变,非极大值抑制,定位精度,漏检,准确识别,进有,识别精度,mAP,横向对比
AB值：
0.31667
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。
