JP2022057270A - 人工知能（ａｉ）を用いた間取り図自動作成（トレース）システム - Google Patents

Abstract

【課題】間取り図の自動作成時に必要な情報損失を伴わずに、作成時間を大幅に短縮し、迅速に、一度に大量の間取り図を作成することができます。間取り図作成者は最初からすべてを描画するのではなく、AIシステムの出力に対して品質保証チェックのみを実行し、必要に応じて変更を行うため、作業負荷が大幅に削減され、間取り図1件の作成スピードが大幅に短縮され、短時間で一度に大量の間取り図の作成が可能になります。【解決手段】コンテンツ管理装置２００と、情報抽出装置３００と、スタイル変換装置４００と、記録保存装置５００と、検証装置６００と、機会学習装置７００を有します。【選択図】 図２

Description

本発明は、人工知能（ＡＩ）を用いた不動産の間取り図を自動作成（トレース）システムに関するものです。

不動産の間取り図は、幾何学的（形状で認識できるもの。例えば、部屋の構造）情報とセマンティック情報（意味を正確に解釈する必要があるもの。例えば、ドアのタイプ、建築素材、設備など）の両方を含む、建物またはアパートなどの不動産物件を表示・説明するための図面です。

現状、間取り図はラスター画像（ビットマップ画像）の状態で一般公開されます。

間取り図の役割は、不動産業者や不動産を購入する人、不動産を借りる人のための不動産物件の視覚化であり、物件広告用に利用するものです。そのため、多くの不動産会社では物件の広告を行う際に、取り扱う物件の建築図面や他社が広告用に建築図面を抽象化して作成した間取り図を参考に、自社で作成（トレース）を行っています。その際、作成の原本となる間取り図は、既に紙面に印刷された図をスキャンしＰＤＦ形式や、ネット掲載されたＪＰＥＧ形式データであることが多く、ほとんどのケースでラスター画像です。人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）では、ラスター画像からベクトル画像（コンピューターで画像や文字を表示する際、線や面などの図形要素に関するパラメーターで表現する方式）に変換され、人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）に適した形式になります。

ベクトル画像への不動産間取り図の変換は、さまざまな建築会社や不動産会社が独自に作成した表現が統一されていない様々な種類のラスター画像を基に行われます。具体的には、ラスター画像から関連情報を抽出し、希望するデザインや仕様に従って再構築します。

不動産業界では、実際の不動産物件情報の公開（広告）の際に、一定の水準を超える正確さのある間取り図を作成する必要があります。例えば、玄関やお風呂を表す表示は、システム全体で統一されている必要があります。また、不動産の間取りの理解に関係のない不要な情報は削除する必要があります。また、間取り図の原図に残る手書きのメモ書きなどの不要な情報も削除する必要があります。

しかし、不動産業者から提供される間取り図は、フォーマットや仕様が各社様々で統一されていません。このため、間取り図の自動作成（トレース）において、様々な種類の間取り図を間違いの無いように正確に読み取り、標準化（表示の統一）をするプロセスが必要となります。
この不動産の間取り図を作成するシステムとしては、例えば非特許文献で下記ＵＲＬに記載されているように、以下のようなクラウド型やソフト型の間取り図作成システムが挙げられます。

https://madori.jp/ http://www.lilacsys.com/mad5/

しかし、従来のシステムでは間取り図を作成する行為そのものが人的リソースによるもので、一度に大量に、短時間に作成することが難しく、間取り図の作成までに時間がかかってしまいます。また、間取り図の作成時に人的ミスが発生し、予め各不動産会社が定める仕様やルールが守られないという問題点がありました。

本発明は、前記のような事情に鑑みてなされたものであり、人的ミスを極力排除しながら、迅速に大量の間取り図を作成する間取り図作成（トレース）システムを提供しようとするものです。

前記課題を解決するため、請求項１の間取り図の自動作成（トレース）システムは、
-コンテンツ管理装置と、
-情報抽出装置と、
-スタイル変換装置と、
-記録保存装置と、
-検証装置と、
-機械学習装置
を有します。

人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）システムは、従来の間取り図作成ソフトを用いた手動の作成プロセスを支援するために実装され、この結果、作成者の役割が変わります。
本システムには、間取り図を受け取り、自動的に希望のスタイルに変換し、出来上がった間取り図（出力間取り図）に関するフィードバックを受け取るためのステップが含まれます。
間取り図作成者は最初からすべてを描画するのではなく、ＡＩシステムの出力に対して品質保証チェックのみを実行し、必要に応じて変更を行うため、間取り図作成1件あたりの作業負荷・時間が大幅に削減されます。
フィードバック/変更を保存するためのメモリメカニックが含まれ、ＡＩシステムをさらに改善して過去の自動作成ミスに対処します。

請求項２に記載の間取り図作成方法は、
-コンテンツ管理手段を介して間取り図を入力する工程と、
-入力された間取り図から情報抽出を行う工程と、
-スタイル変換を行う工程と、
-記録保存を行う工程と、
-検証を行う工程と、
-機械学習を行う工程
を有することを特徴とします。

間取り図の自動作成時に必要な情報損失を伴わずに、作成時間を大幅に短縮し、一度に大量の間取り図を迅速に作成することができます。

人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）システムの構成と全体的な流れを示すブロック図です。 クライアントと人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）システムを繋ぐインターフェースを示すブロック図です。 入力された間取り図情報を読み取る３つの情報認識モデルを示すブロック図です。 （1）入力間取り図（Ｆ）と(2)スケルトン認識装置３１０から出力されたスケルトン間取り図 （Ｓ）(3)シンボル認識された間取り図および(4)光学式文字認識された間取り図を表した図です。 読みとった間取り図情報を統合し、新たなデザインの間取り図に変換するスタイル変換装置を説明するブロック図です。 ２つの異なる目的を持つコンテンツ管理データベースと学習用データベース、およびそれらの関連性を含む間取り図データの記録保存装置を示すブロック図です。 検証インターフェース、訂正インターフェース、検証者および相互の関連性を表した検証装置を示すブロック図です。 機械学習装置と、学習用データベースおよび３つの情報抽出モデルとの関連性を示すブロック図です。

以下、添付図面を参照しながら、本発明の全容および人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）の流れについて説明します。

図１には、人工知能（ＡＩ）を用いた間取り図自動作成（トレース）システム１００の概要が示されています。

装置１００は、データベースを取り巻く３つの非同期タスク、すなわち、ＡＩシステムを使用する自律（自動）的スタイル変換、人力による手動検証およびＡＩ学習プロセスを含みます。なお、不動産の間取り図の自動作成精度向上のため、この検証タスクは不可欠なものとなります。

３つのタスクの非同期化は処理時間と特性の違いによるもので、これにより同時に多数の間取り図の大量処理(変換)を可能にします。

まず、間取り図のスタイル変換タスクは、コンテンツ管理装置２００を介して不動産会社などクライアントが間取り図を入力することから始まります。そして、情報抽出装置３００、スタイル変換装置４００へと順番に間取り図情報が伝達されていきます。

検証装置６００および機械学習装置７００は、検証および機械学習トレーニングに対応するコンポーネントであり、記録保存は記録保存装置５００が行います。

コンテンツ管理装置２００は、ユーザー（不動産業者等クライアント）がシステムと通信（対話）するためのインターフェースです。

情報抽出装置３００は、システムに入力される間取り図を、以下の通り処理を行い、間取り図自動作成（トレース）に必要な関連情報の抽出を行います。

関連情報の抽出装置は、次の３つのモデル（ステップ）で行われます。

まずは、スケルトン（つまり、スケッチ／物件構造）を認識するステップ（機能）です。

スケルトン認識機能では、間取り図のピクセル単位の構造情報の抽出を実施します。コンテンツ管理装置２００から入力された間取り図は、正方形であるピクセルの集合体で作成されたラスター画像で描かれていますが、スケルトン認識機能は、壁、屋内、屋外などの構造情報（どこが壁でどこが屋内であるか。またどこから屋外であるか）のみをピクセル情報として読み取りながら、ピクセルからピクセルへのマッピングを実行します。

なお、このステップでは構造情報以外の間取り図情報は無視されます。

次は、最初のスケルトン認識機能で無視された、間取り図の設備情報（ドア、窓、トイレ、洗面台、キッチンなど）を表す技術シンボルの識別を行うシンボル認識機能です。技術シンボルの識別を実行するシンボル認識機能では、設備情報を認識した場合、関連する備品情報のタイプやサイズ、また間取り図における座標位置を特定し情報を抽出します。

最後は、テキスト部分を文字列に変換する光学式文字認識機能（ＯＣＲ）です。

この機能は、文字、単語および行の認識と推測を担当します。

スタイル変換装置４００は、システムの情報抽出装置３００で抽出した、間取り図のスケルトン（構造）情報、設備情報を表すシンボル情報、およびテキスト情報をすべて関連付け、間取り図を生成することによって入力間取り図から出力間取り図（この段階では中間成果物）への変換を実行します。

一方では、このスタイル変換装置４００は中間成果物に対して推論を実行し、ベクトル画像（点、パスなど）を構築するために必要な情報を抽出します。

また、上述の通り抽出した各情報を相互に関連付けて、情報の階層を復元します（壁を部屋に、ドアを壁に一致させるなど）。

記録保存装置５００は、入力・出力間取り図および関連情報、ならびに過去の検証結果や出力間取り図の修正内容を保存します。

記録保存された情報は、人工知能（ＡＩ）を用いた間取り図自動作成（トレース）システムをトレーニングする学習用データとして機能するだけでなく、間取り図変換作業の進捗状況を追跡し、作業時間の予測に利用することができます。

検証装置６００は、人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）システムが入力間取り図を予め指定した間取り図作成の仕様通りに変換したかどうかを検証します。この検証には人力による検証も含まれます。

検証結果が出ると、必要な場合には、間取り図検証者が出力間取り図の修正を行います。

検証結果と出力間取り図の修正は、上記情報抽出装置３００の３つのステップの情報抽出精度改善に役立つように記録されます。

機械学習装置７００は、前述のスケルトン認識機能、シンボル認識機能、光学式文字認識機能の３つの機能がより高精度に情報抽出を行えるようトレーニングを実施します。

各機能が学習する内容はそれぞれの役割によって異なりますが、同じ入力間取り図を参照元として情報抽出および復習されます。この機械学習装置７００により、人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）システム全体の精度が上がり、様々な入力間取り図に対応できるように、時間をかけながら学習を続けていきます。

図２は、不動産業者などのクライアントが人工知能（ＡＩ）を用いた間取り図の自動作成（トレース）システム１００と通信することを示すブロック図です。コンテンツ管理装置２００には、例えば、間取り図の入力（アップロード）、検証結果の表示、および他の管理関連機能（例えば、発注履歴、出力間取り図ダウンロード履歴）を含みます。

コンテンツ管理装置２００は、不動産業者等のクライアント２０１が接続でき、情報抽出装置３００および記録保存装置６００にユーザー向けインターフェース２１０を介して接続されています。

クライアントがユーザー向けインターフェース２１０を介して入力間取り図（Ｆ）を情報抽出装置３００に送信すると、間取り図の記録（Ｒ）を記録保存装置５００に転送しながら、その入力間取り図（Ｆ）の処理が特定のクライアント２０１のためであることを通知します。

処理の進行状況は、記録保存装置５００への保存履歴（Ｒ）を検索することでクライアント２０１に公開することができます。

処理が終了すると、その結果は記録保存装置５００で記録（Ｒ）が更新され、ユーザー向けインターフェイス２１０を介してクライアント２０１に通知されます。

他のクライアント２０１の入力間取り図作成の処理も同じ手順で行われます。

ユーザー（クライアント２０１）に関連するやり取り記録は、入力と出力の両方の間取り図を含め、必要に応じて記録保存装置５００から検索・取得できます。

図３のように、情報抽出装置３００は、３つの深層学習装置、すなわち、間取り図スケルトン認識装置３１０、シンボル認識装置３２０、および光学式文字認識（ＯＣＲ）装置３３０を含みます。この３つの装置は、ユーザーインターフェース２１０を介してコンテンツ管理装置２００と接続され、また、スタイル変換装置４００とも並列的に接続されています。

情報抽出装置３００には、コンテンツ管理装置２００からクライアントによって入力された間取り図（Ｆ）が提供されます。

上記３つの装置により出力間取り図の作成に必要な情報が抽出・グループ化されて中間成果物（I）が形成され、スタイル変換装置４００に転送されます。

クライアント２０１が入力した間取り図（Ｆ）がコンテンツ管理装置２００から送信されると、スケルトン認識装置３１０は、建物の構造情報のみを抽出・保持しながら、設備などの詳細情報の大部分を破棄します。

特にこのプロセスは、入力間取り図のラスター画像（Ｆ）を別のラスター画像（Ｓ）に置き換えるピクセルのマッピング作業となります。

入力間取り図のラスター画像（Ｆ）をグリッド（下書き）として考えると、マッピングはグリッドを参照しながらピクセルで上書きするように間取り図画像（Ｓ）を描いていきます。

このプロセスにより、出力される間取り図（Ｓ）は入力された間取り図（Ｆ）をトレースしているかのように構造が描かれ、結果、壁が描かれることにより、室内、屋外など領域が識別できるようになります（図４参照）。

この出力されたスケルトン状態の間取り図（Ｓ）を見ることで、建物の構造や部屋の数や位置など相対的な間取り図の構造情報を把握できます。

シンボル認識装置３２０は、設備（例えば、洗面台、浴室、キッチン）または開口口（例えば、ドア、窓）を表すシンボル記号に焦点を当て、スケルトン認識装置とは異なる方法で入力間取り図（Ｆ）を処理します（図３参照）。

シンボル認識装置３２０により抽出された情報は、座標のセットとオブジェクト（設備や開口口等の記号）タイプの形式で表されます。具体的には、座標のセットは、オブジェクトを含む長方形のボックスの境界を示し、そこからオブジェクト自体の位置とサイズの両方を推測できます（図３参照）。

光学式文字認識（ＯＣＲ）装置３３０は、主に入力間取り図（Ｆ）のテキスト情報を抽出します（図４参照）。

各文字は、シンボル認識装置３２０による情報の抽出と同様の方法で、座標とともに認識されます(図４参照)。

光学式文字認識（ＯＣＲ）装置３３０は、読み取った単体文字と周辺にある単体文字をグループ化することで単語や文章として認識します。複数の文字が単語を形成し、複数の単語が行を形成し、複数の行がブロック（洋室・和室・リビングなどの部屋のタイプや、広さを表す畳数を表記したもの）を形成します（図４参照）。

情報抽出装置３００の唯一の目的は入力間取り図（Ｆ）のラスター画像から出力間取り図（Ｉ）への変換を実行するために必要な情報を抽出することであるため、出力間取り図（Ｉ）（３つの装置３１０、３２０、３３０からの出力を組み合わせたもの）を直接使用してベクトル画像の間取り図を生成することはできません。

そのためスタイル変換装置４００は、３つの装置３１０、３２０、３３０から抽出した間取り図情報を組み合わせた中間成果物（Ｉ）から、ベクトル画像への変換を担います。

スタイル変換装置４００は、論理推論装置４１０とデコレータ装置４２０という２つの主要工程で構成されています。

図から分かるように、論理推論装置４１０とデコレータ装置４２０は継続的に接続されている一方で、記録保存装置５００にも接続されています。

論理的推論器４１０の主な目的は、情報抽出装置３００で作成された中間成果物（Ｉ）やそこに紐づく設備情報や文字情報から、点や、点と点を結ぶ線の集合体である構造化されたベクトル画像の基本要素を抽出することです。

ちなみに、このラスター画像からベクトル画像への変換は、直感的に見ると、間取り図のスケルトン構造と同じ構造を描くように行われ、スケルトン抽出装置３１０によって抽出されたラスター画像の間取り図のスケルトン（構造）（Ｓ）と似たものになります。ただし、実際に描かれた画像はベクトル画像に変換されています。

間取り図のＡＩによる自動作成（トレース）における選択肢の１つは、間取り図情報抽出プロセスを通じて培った知見に基づいて、試行錯誤しながら、ボトムアップ方式で間取り図情報を定義し、作成していくことです。

例えば、壁の端点はベクトル画像における最下層に位置するものと見なされます。

そして壁は、壁の端点の上位に位置し、両端にある点と点を結ぶように設計されたベクトルであり、線として表現されます。

間取り図上に無数の線が表現された結果、必然的に壁の両端にある点と点は重なります。そして線に囲まれたエリアが部屋であり、室内空間を意味します。

壁や室内空間は、その後の間取り図作成の推論のために中間成果物のスケルトン （Ｓ）に簡単にマーキングされます（図４－２参照）。

ただ一方でこのようなボトムアップ方式の間取り図自動作成は、点や壁の正確性が間取り図作成の基盤（基礎）となるため、非常に高い抽出精度が求められます。

想定では、入力間取り図のデザインや仕様は描き手によって無数にあり、また作成者によるミスの可能性も排除できないため、すべての入力間取り図を汎用化して正確に変換することは困難だと思われます。つまり、誤った推論（変換）は発生し得ると認識しています。

その結果、小さな1つ１つの誤った推論の積み重ねが間取り図自動作成の誤りの主な原因になります。（例えば、点の読み取りミスは、壁の無い部屋の形成の原因となります。）

そこで、発明者と出願人はスケルトン構造（図４－２）の認識を行うにあたり別のアプローチを行うことにしました。トップダウンアプローチです。（トップダウンアプローチを理解しやすくするために、前段ではボトムアップアプローチの説明を敢えて行いました。）トップダウンアプローチは誤った推論の積み重ねで上部構造が破綻しないように、空間を認識した上で具体的な壁や柱を認識していくアプローチです。具体的にはまず部屋の構造を把握することから始めます。

部屋を描くとその部屋を囲む線が、多角形として認識されます。その多角形を分解すると壁を想定することができ、壁は境界線として想定することができます。そして、境界線の端を把握することで、壁の両端を認識することができるようになります。

具体的には、正しいであろうと思われるいくつかの解決策（図面の読み取り予測、スケルトン）を、公式を予め設定した上でスコアリングし、スコアの高い解決策を選択していきます。公式は、コスト関数を用い、ヒューリスティックに最適解を求めていきます。

例えば、スケルトン抽出装置３１０で抽出された出力間取り図（Ｓ）を参照すると、出力間取り図（Ｓ）面と論理的推論器４１０によって予測された屋内領域と大部分が一致する場合、屋内領域である条件を満たしているため、報酬が得られスコアが上がります。

逆に、壁に囲まれた空間が部屋を囲むことができない場合（出力間取り図（Ｓ）と予測された屋内領域と大部分が一致しない場合）、壁（住戸の境界線）に囲まれていると合理的に判断でき屋内領域でないと判断され、ペナルティが発生します。

このような公式は、ヒューリスティックに、可能な限り出力間取り図（Ｓ）に近づけていくように設計されています。

近似図面に対する予測が十分に高いスコア（可能性）を持たない場合、今度は予測に反する選択肢が、検討されるようになります。

例えば、元々屋内と予測していた屋内領域の一部を逆に屋外と見なし、壁の集合体が部屋を囲むようになります。

この例の場合、近似図面に対する予測スコアは低くなりますが（予測に反するため、報酬は得られず、ペナルティは発生します）、結果はより論理的に完了します（部屋の構造を把握することができます）。

上記の流れは、間取り図を部屋（室内空間）はどこか、壁はどこか、壁の端はどこかとそれぞれの関係のみを推論します。そこに、間取り図シンボル認識装置３２０および光学式文字認識（ＯＣＲ）装置３３０から、推論を完了するため詳細情報が加わります。

それぞれの目的物は、座標を介して、それらをスケルトン状態の間取り図の適切な位置に配置されます。
（例えば、ドアや窓がどこの壁のどこの位置に付いているか。）

これら目的物の固有情報情報（座標、境界線、サイズ）は、ベクトル画像の階層に組み込まれている間維持されます。

テキスト情報も同様の方法で配置されます。テキスト情報は部屋各所の分類に役立ちます（リビングであるか、バスルームであるか、トイレであるか等）。

特に、一部の特定シンボルは特定のタイプの部屋に特化している（例えば、ガスコンロは通常、バスルームではなくキッチンに設置されています）一方で、多くの場合、テキスト情報からは部屋のタイプ（種類）が分かります。

デコレータ４２０は、自律的に間取り図スタイル変換工程を終了させます。

論理推論器４１０から、入力間取り図の体系化された詳細情報が提示されます。この詳細情報は、特にベクトル画像に変換されやすい状態になっています。

デコレータ４２０は、間取り図の変換を完成させるために特定のシンボルやテキストに固有のルール（仕様）を適用することにより、間取り図を再装飾します。

間取り図のデザインと作成における固有のルール（仕様）は、私どももしくは不動産会社等のクライアントによって事前定義されています。

このような装飾作業は、特定の厚さと色で壁を描くこと、新しいデザインで設備を描くことなど様々です。

このステップの結果が、人工知能（ＡＩ）を用いた自動間取り図の作成（トレース）システムの最終製品となります。出力された間取り図は、入力された間取り図の元々の情報を保持しながら、希望のデザインに変更（装飾）されています。

出力間取り図（Ｏ）は、記録保存装置５００に転送されたのち、レコード（Ｒ）を更新し、システムが変換作業を終了したことを知らせます。

記録保存装置５００は、図６図７から分かるように、異なる目的を持つ２つのデータベースを含みます。コンテンツ管理データベース５１０は、システムにアップロードされた間取り図の記録を保存します。

レコード（Ｒ）（図２参照）には、変換関連情報（例えば、入力間取り図（Ｆ）、出力間取り図（Ｏ）、中間成果物（Ｉ）など）および管理関連情報（例えば、日時、ステータス、プロジェクト、クライアント）が記録保存されています。

このデータベースにより、クライアントと検証者は、進行中の作業を確認し、過去に作成した間取り図の修正を行うことができます。

一方、学習用データベース５２０は、入力間取り図（Ｆ）および検証された中間成果物（Ｉ）を含む、モデル３１０、３２０および３３０のトレーニングを提供するデータベースです。

実際、学習用データベース５２０はコンテンツ管理データベース５１０からデータを照会しますが、機械学習装置７００はスタイル変換プロセスの独立したモジュールであるため、学習用データベース５２０の使用は５１０と非同期で行われます。

図７について、検証装置６００は前述のスタイル変換装置４００とは同期しておらず、非同期の検証タスクに関連付けられています。

この設計により、人間による品質検証が間取り図スタイル変換装置４００の弊害となることなく、大量のスタイル変換タスクの実施が可能になります。

図６、７を参照すると、検証装置６００は、検証インターフェース６１０および修正インターフェース６２０からなり、どちらも人間の検証者６０１によって操作されます。検証インターフェース６１０は、記録保存装置５００に接続されます。

記録（Ｒ）を更新した後、スタイル変換装置４００は、出力間取り図（０）が問題なく変換され、品質検証する準備ができていることを検証者６０１に通知します。

検証インターフェース６１０を介して、検証者６０１は、出力された間取り図がクライアントに納品されるに十分に正しいかどうか、変換結果の品質判断することができます。

品質が十分でない場合、検証者６０１は、修正インターフェイス６２０を使用して出力間取り図（Ｏ）を修正し、修正された間取り図（Ｃ）を検証インターフェース６１０に差し戻す必要があります。

検証インターフェイス６１０と修正インターフェイス６２０の両方向のやりとりの中で、中間成果物（I）の検証と修正は、機械学習装置７００によって自動的にシステムの間取り図作成精度向上に効率的に学習されます。そのため、修正を行う場合、出力間取り図（Ｏ）と中間成果物（I）の両方で同期して行う必要があります。

修正が終了し品質が承認されると、検証された出力間取り図（Ｖ）（（Ｏ）または（Ｃ）のいずれか）は、記録（Ｒ）を更新するために記録保存装置５００に送信されます。送信が完了したのち、記録保存が行われたことがクライアント２０１に通知されます。

機械学習装置７００は、間取り図のスケルトン認識装置３１０、シンボル認識装置３２０、および光学式文字認識（ＯＣＲ）装置３３０の３つの装置の精度強化を担当します。

ディープラーニングモデルが十分な精度に到達するには大量の学習用データセットが必要であることは周知の通りです。あらかじめ学習用データベース５２０には本システムを稼働する以前、間取り図作成ソフトを使って人力で作成された間取り図作成業務からの学習用サンプルデータを入力しました。

システム稼働後は、システムを通過した検証済みデータを使用して、本システムの間取り図作成精度の向上を図ります。

前述のように、各装置（モデル）は間取り図のさまざまな要素に焦点を合わせているため、各装置（モデル）の間取り図作成精度向上に必要な学習データは必然的に異なります。

各装置（モデル）は、データベース５２０に保存されている中間成果物（I）に対応するコンポーネントを使って学習します。スケルトン認識装置３１０はラスター画像の間取り図スケルトン、シンボル認識装置３２０は間取り図の設備情報のリスト、光学式文字認識（ＯＣＲ）装置は文字のリストを特に使用します。

100 ...人工知能（ＡＩ）を用いた間取り図自動作成（トレース）システム
200 ...コンテンツ管理装置
201 ...クライアント
210 ...ユーザーインターフェース
300 ...情報抽出装置
310 ...スケルトン認識機能
320 ...シンボル認識機能
330 ...光学式文字認識（ＯＣＲ）機能
400 ...スタイル変換装置
410 ...論理推論装置
420 ...デコレータ装置
500 ...記録保存装置
510 ...コンテンツ管理データベース
520 ...学習用データベース
600 ...検証装置
601 ...検証者
610 ...検証インターフェース
620 ...修正インターフェース
700 ...機械学習装置
Ｆ ...入力間取り図（システムにアップロードされた間取り図）
Ｒ ...記録
Ｉ ...中間成果物（間取り図）
Ｓ ...間取り図のスケルトン（構造）
Ｏ ...出力間取り図（成果物）
Ｃ ...修正された間取り図
Ｖ ...検証済みの間取り図

Claims (2)

1. 前記課題を解決するため、請求項１の間取り図作成システムは、
   コンテンツ管理装置と、
   情報抽出装置と、
   スタイル変換装置と、
   記録保存装置と、
   検証装置と、
   機会学習装置を
   有する間取り図作成システム。
2. 記載の間取り図作成方法は、
   コンテンツ管理装置を介して間取り図を入力する工程と、
   入力された間取り図から情報抽出を行う工程と、
   スタイル変換を行う工程と、
   記録保存を行う工程と、
   検証を行う工程と、
   機械学習を行う工程を
   有することを特徴とする間取り図作成方法。

Images