文件处理方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114663673A(43)申请公布日2022.06.24(21)申请号202210294000.1G06N3/08(2006.01)(22)申请日2022.03.23(71)申请人每平每屋（上海）科技有限公司地址200127上海市中国（上海）自由贸易试验区环龙路65弄1号三层、四层(72)发明人丁疏横唐忠樑(74)专利代理机构北京同钧律师事务所16037专利代理师李小波许怀远(51)Int.Cl.G06V10/44(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06F16/56(2019.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书14页附图9页(54)发明名称文件处理方法、装置、设备及存储介质(57)摘要本申请提供一种文件处理方法、装置、设备及存储介质，通过接收用户导入的户型图矢量文件，根据户型图矢量文件生成户型图，将户型图输入第一检测模型，获得包括户型图中每条线段的类别、位置坐标以及长度的第一线段检测结果。根据户型图矢量文件的线段信息对第一线段检测结果进行校验，获得第二线段检测结果。根据第二线段检测结果渲染生成户型图。其中第一检测模型是采用深度神经网络结构训练得到的，第二线段检测结果包含的线段数量小于第一线段检测结果包含的线段数量。上述过程可以去除深度神经网络识别的冗余线段，提升对户型图矢量文件的识别效果，进而渲染生成优质的户型效果图，为后续的软装设计提供数据支撑。CN114663673ACN114663673A权利要求书1/2页1.一种文件处理方法，其特征在于，包括：接收用户导入的户型图矢量文件；根据所述户型图矢量文件生成所述户型图，通过第一检测模型对所述户型图的所有线段进行检测，获得第一线段检测结果；所述第一线段检测结果包括所述户型图中每条线段的类别、位置坐标以及长度，所述第一检测模型是采用深度神经网络结构训练得到的；根据所述户型图矢量文件的线段信息对所述第一线段检测结果进行校验，获得第二线段检测结果，所述第二线段检测结果包含的线段数量小于所述第一线段检测结果包含的线段数量；根据所述第二线段检测结果渲染生成所述户型图。2.根据权利要求1所述的方法，其特征在于，所述第一检测模型包括残差网络模块、多路金字塔模块以及后处理模块；所述残差网络模块用于提取所述户型图的特征信息；所述多路金字塔模块分别用于对不同线段类别的特征信息进行上采样还原；所述线段类别至少包括所述户型图的墙体线段以及窗体线段；所述后处理模块用于对所述多路金字塔模块输出的特征图的所有线段进行整合处理，确定线段之间是否有连接关系，输出所述第一线段检测结果。3.根据权利要求1所述的方法，其特征在于，所述根据所述户型图矢量文件的线段信息对所述第一线段检测结果进行校验，获得第二线段检测结果，包括：确定所述第一线段检测结果中每条线段对应的线段信息查询范围；根据所述线段信息查询范围查询所述户型图矢量文件中是否有匹配的线段组，所述线段组包括相互平行的至少两条线段；从所述第一线段检测结果中剔除没有匹配的线段组的线段，获得所述第二线段检测结果。4.根据权利要求3所述的方法，其特征在于，所述确定所述第一线段检测结果中每条线段对应的线段信息查询范围，包括：根据预设扩展值以及所述第一线段检测结果中每条线段的位置坐标和长度，确定所述每条线段对应的线段信息查询范围。5.根据权利要求1所述的方法，其特征在于，所述根据所述户型图矢量文件的线段信息对所述第一线段检测结果进行校验，获得第二线段检测结果，包括：根据所述户型图矢量文件的线段信息以及不同类别线段的预设条件，对第一线段检测结果中不同类别线段的属性参数进行校验，获得第二线段检测结果。6.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：通过第二检测模型对所述户型图的结构件进行检测，获得结构件检测结果；所述结构件检测结果包括所述户型图中每个结构件的类别以及位置坐标，所述第二检测模型是采用目标检测网络结构训练得到的；所述根据所述第二线段检测结果渲染生成所述户型图，包括：根据所述第二线段检测结果以及所述结构件检测结果，渲染生成所述户型图。7.根据权利要求6所述的方法，其特征在于，所述通过第二检测模型对所述户型图的结构件进行检测，获得结构件检测结果，包括：2CN114663673A权利要求书2/2页根据预设滑窗从所述户型图中截取多张待检测图片，所述预设滑窗的尺寸大于结构件的最大尺寸；将所述多张待检测图片输入所述第二检测模型，经非极大值抑制NMS，获得所述结构件检测结果。8.根据权利要求6所述的方法，其特征在于，所述第二检测模型的训练过程，包括：获取训练样本集和标注信息，所述训