JP7160295B1 - LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM - Google Patents

LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM Download PDF

Info

Publication number
JP7160295B1
JP7160295B1 JP2022078745A JP2022078745A JP7160295B1 JP 7160295 B1 JP7160295 B1 JP 7160295B1 JP 2022078745 A JP2022078745 A JP 2022078745A JP 2022078745 A JP2022078745 A JP 2022078745A JP 7160295 B1 JP7160295 B1 JP 7160295B1
Authority
JP
Japan
Prior art keywords
building
information
evaluation
wall
processed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2022078745A
Other languages
Japanese (ja)
Other versions
JP2023167502A (en
Inventor
工藤圭史
大塚俊輔
Original Assignee
株式会社ハシマAit
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社ハシマAit filed Critical 株式会社ハシマAit
Priority to JP2022078745A priority Critical patent/JP7160295B1/en
Priority to JP2022145236A priority patent/JP7230288B1/en
Application granted granted Critical
Publication of JP7160295B1 publication Critical patent/JP7160295B1/en
Publication of JP2023167502A publication Critical patent/JP2023167502A/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】家屋図面および家屋情報に基づいて、自動及び高精度で家屋評価関連データを出力する学習モデル、その生成方法、情報処理装置、方法及びプログラムを提供する。【解決手段】方法は、建物図面及び建物情報が学習モデルの入力層に入力された場合に、中間層による演算を経て、加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力層から出力するようにコンピュータを機能させる。建物図面は、建物構成要素および建築設備の少なくともいずれかを備える。建物情報は、建物構成要素及び建築設備に関する詳細情報である。加工建物図面は、建物構成要素及び建築設備それぞれに対してラベル付けおよび着色を行う加工を施した加工建物構成要素及び加工建築設備の少なくともいずれかを備える。加工建物情報は、加工建物構成要素および加工建築設備に関する詳細情報である。【選択図】図１A learning model that automatically and highly accurately outputs house evaluation-related data based on house drawings and house information, a method for generating the learning model, an information processing device, a method, and a program are provided. In the method, when a building drawing and building information are input to an input layer of a learning model, an evaluation base building drawing and an evaluation base that are the same as the processed building drawing and the processed building information, respectively, are obtained through calculation by an intermediate layer. The computer is made to function so as to output the building information from the output layer. A building plan comprises building components and/or building equipment. The building information is detailed information about building components and building equipment. The fabricated building drawing comprises fabricated building components and/or fabricated building facilities that have been labeled and colored respectively. Fabricated building information is detailed information about fabricated building components and fabricated building equipment. [Selection drawing] Fig. 1

Description

本発明は、家屋評価に関し、とくに、家屋図面に基づいて家屋評価計算を行うために必要なデータを算出するための学習モデル、学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラムに関する。 TECHNICAL FIELD The present invention relates to a house evaluation, and more particularly to a learning model for calculating data necessary for performing house evaluation calculations based on house drawings, a learning model generation method, an information processing apparatus, an information processing method, and a computer program. .

固定資産税の基礎となる家屋の評価方法は、「固定資産(家屋)評価基準」に基づき、再建築価格を基準として評価する方法をとっている。 The evaluation method of the house, which is the basis of the fixed property tax, is based on the "fixed asset (house) evaluation standard" and adopts the method of evaluation based on the rebuilding price.

固定資産(家屋)評価基準とは、評価手法の全国的統一を図り、各市町村に適正かつ均衡のとれた評価をさせるための地方税法に基づく総務大臣の告示である。具体的には、土地、家屋、償却資産について、その価格の評価の基準、評価の実施方法、手続きを定めた基準である。 また、再建築価格方式とは、評価の時点において、評価の対象となった家屋と同一のものをその場所に新築するものとした場合に必要とされる建築費（再建築費評点数）を求め、その家屋の建築後の年数の経過によって生じる損耗の状況による減価（経年減点補正率）を考慮し、その家屋の価額（評価額）を求めるものである。
経年減点補正率とは、家屋建築後の年数の経過によって生ずる損耗の状況による減価等をあらわしたもので、種類・構造によって異なり、０．２が下限である。 The Fixed Assets (Houses) Evaluation Criteria is a public notice issued by the Minister of Internal Affairs and Communications based on the Local Tax Act to standardize evaluation methods nationwide and to allow each municipality to make proper and balanced evaluations. Specifically, it is a standard that stipulates the price evaluation standards, evaluation implementation methods, and procedures for land, houses, and depreciable assets. In addition, the reconstruction price method is the construction cost (reconstruction cost score) required if the same house that was the subject of the evaluation was to be newly built in the same place at the time of evaluation. Then, the depreciation due to the state of wear and tear caused by the passage of years after the construction of the house (aging demerit point correction rate) is taken into account to determine the value (assessed value) of the house.
The aging demerit point correction rate represents depreciation due to the state of wear and tear caused by the passage of years after the construction of the house.

つぎに、家屋の評価額算出方法は、それぞれの家屋について再建築費評点数を付設し、経年(損耗)の状況による減点補正率を乗じ、更に物価水準、設計管理費等を考慮した評点一点当たりの価額を乗じて対象となる家屋の評価額を求めることとされている。 Next, the method of calculating the appraisal value of a house is to add a rebuilding cost score for each house, multiply it by a demerit point correction factor according to the aging (wear and tear) situation, and further consider the price level, design management cost, etc. The appraisal value of the target house is to be obtained by multiplying the price per unit.

家屋調査は、再建築費評点数の付設について、例えば、各戸の家屋に固定資産評価基準に基づく部分別(屋根・外壁等の外部仕上げ、床・壁・天井等の内部仕上げ、建築設備等)による算出方法を採用する。このため、新築・増築された建物については、個別に家屋調査を実施し、評価を行う。すなわち、調査員が現地に赴いてその場で家屋間取り図とその部屋毎の仕上げ種類を調書に記入し、それに基づいて家屋評価の計算処理を行う。実際の計算処理では、仕上げごとに定められた評点数とその仕上げの使用量を用いて、仕上げごとの評点数を求め、それを部分毎に集計し、最終的には部分毎の再建築費評点数を合計して一棟当りの評価を行う。このような家屋評価を行う作業工程は、多くが人手による手作業で行なわれており、非常に効率の悪いものとなっている。
従来、家屋の間取り図を入力して家屋評価計算を行う家屋評価計算処理装置として、例えば以下に示す特許文献１及び特許文献２に記載の発明が知られている。 In the house survey, regarding the addition of rebuilding cost scores, for example, each house is classified by part based on fixed asset evaluation standards (external finishes such as roofs and outer walls, internal finishes such as floors, walls, ceilings, etc., building equipment, etc.) Adopt the calculation method by For this reason, a house survey will be conducted and evaluated individually for newly constructed or expanded buildings. That is, an investigator goes to the site, fills in the floor plan of the house and the type of finish for each room on the spot, and performs calculation processing of the house evaluation based on the record. In the actual calculation process, the number of points determined for each finish and the amount of use of that finish are used to obtain the number of points for each finish, which is aggregated for each part, and finally the rebuilding cost for each part The scores are totaled to evaluate each building. Many of the work processes for performing such house evaluations are performed manually, which is extremely inefficient.
Conventionally, the inventions described in, for example, Patent Literature 1 and Patent Literature 2 shown below are known as house evaluation calculation processing apparatuses that input a floor plan of a house and perform house evaluation calculations.

特許文献１に記載の発明は、評点項目とその付加条件、家屋間取り図データ、家屋の各部分別の評点項目や数量などの属性データ等を読み取り装置により入力し、部屋名称ごとの部屋領域の面積と評点項目の入力を行うことで、家屋１棟毎に繰り返される評点項目入力操作を最小限にし、効率的なデータ入力が可能な家屋評価計算用評点付加装置および評点付加方法を提供している。 In the invention described in Patent Document 1, rating items and their additional conditions, house floor plan data, and attribute data such as rating items and quantities for each part of the house are input by a reading device, and room areas for each room name are input. To provide a rating addition device for house evaluation calculation and a rating addition method that enable efficient data input by minimizing repeated rating item input operations for each house by inputting area and rating items. there is

特許文献２に記載の発明は、家屋１棟の各部分毎の仕上げデータなどの評点項目とその付加条件についてそれぞれ異なる評点項目と付加条件を格納した複数種類の評点パターンファイルを選択することにより、家屋１棟毎に繰り返される家屋の評点項目入力操作を最小限にし、効率的なデータ入力が可能な家屋評価計算用評点付加装置および評点付加方法を提供している。 The invention described in Patent Document 2 selects a plurality of types of rating pattern files that store different rating items and additional conditions for rating items such as finish data for each part of a house and additional conditions, To provide a score addition device for house evaluation calculation and a score addition method capable of efficiently inputting data by minimizing the operation of inputting a score item of a house which is repeated for each house.

一方、特許文献１に記載の発明および特許文献２に記載の発明に対し、本発明の情報処理装置は、原図面および現情報である建物図面および建物情報から、家屋の各部分別の評点項目とその付加条件や数量などの属性データ、家屋間取り図データ等を読み取り、機械学習モデルを利用して、部屋名称ごとの部屋領域の面積と評点項目を算出することで、予め評点パターンファイル等を作成しておく必要もなく、家屋１棟毎に繰り返される評点項目入力操作に関する時間や労力を劇的に低減するものであり、本発明の機能は特許文献１および特許文献２の機能とは大きく異なるものである。 On the other hand, in contrast to the invention described in Patent Document 1 and the invention described in Patent Document 2, the information processing apparatus of the present invention uses the building drawing and building information, which are the original drawing and the current information, to score items for each part of the house. Attribute data such as additional conditions and quantities, house floor plan data, etc. are read, and a machine learning model is used to calculate the area of the room area and scoring items for each room name. It does not need to be created in advance, and dramatically reduces the time and labor involved in the repeated rating item input operation for each house. They are different.

特開平０５－８９１４２号公報JP-A-05-89142 特許第３１７７４８９号公報Japanese Patent No. 3177489

このように、従来の家屋評価方法では、多少の効率的なデータ入力が可能となってはいるが、依然として、複数の家屋に対し何度も繰り返される入力作業に対しての効率的なデータ入力方法の提供には至っていないという問題があった。 In this way, although the conventional house evaluation method enables somewhat efficient data input, it still lacks efficient data input for repeated input work for multiple houses. There was a problem that the method was not provided.

本発明は斯かる事情に鑑みてなされたものであり、家屋評価に必要な評価項目に対する評価データを、家屋間取り図、仕上げ表等から自動的に高い精度で家屋評価の計算に必要なデータを取得することができる学習モデル、学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラムを提供することを目的とする。 The present invention has been made in view of such circumstances, and the evaluation data for the evaluation items necessary for the house evaluation is automatically obtained with high accuracy from the house floor plan, the finishing table, etc. An object of the present invention is to provide an obtainable learning model, a learning model generation method, an information processing apparatus, an information processing method, and a computer program.

本発明の一様態に係る学習モデルは、建物図面および建物情報を備える入力データと、建物図面に加工を施した加工建物図面および建物情報に加工を施した加工建物情報を備える教師データとを入力する入力層と、教師データに基づいて、評価基礎建物図面および評価基準建物情報を出力する出力層と、建物図面、建物情報、加工建物図面および加工建物情報に基づいてパラメータが学習される中間層とを備え、建物図面は、建物構成要素および建築設備の少なくともいずれかを備え、建物情報は、建物構成要素および建築設備に関する詳細情報であり、加工建物図面は、建物構成要素および建築設備それぞれに対してラベル付けおよび着色を行う加工を施した加工建物構成要素および加工建築設備の少なくともいずれかを備え、加工建物情報は、加工建物構成要素および加工建築設備に関する詳細情報であり、建物図面および建物情報が入力層に入力された場合に、中間層による演算を経て、加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力層から出力するようにコンピュータを機能させる。 A learning model according to one aspect of the present invention inputs input data including building drawings and building information, and teacher data including processed building drawings obtained by processing the building drawings and processed building information obtained by processing the building information. , an output layer that outputs evaluation basic building drawings and evaluation standard building information based on training data, and an intermediate layer that learns parameters based on building drawings, building information, processed building drawings, and processed building information. The building drawing includes at least one of building components and building equipment, the building information is detailed information about the building components and building equipment, and the processed building drawing includes building components and building equipment, respectively at least one of the processed building component and the processed building equipment that have been processed for labeling and coloring, the processed building information is detailed information about the processed building component and the processed building equipment, and the building drawing and the building When information is input to the input layer, the computer is operated to output the same evaluation basic building drawing and evaluation basic building information as the processed building drawing and processed building information from the output layer through calculation by the intermediate layer. .

本発明の一様態に係る学習モデルの生成方法は、少なくとも建物図面および建物に関する詳細情報である建物情報を読み込む建物情報読み込みステップと、建物図面が備える少なくとも建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、加工に関する情報を建物情報に加える加工ステップと、加工ステップにより、建物図面および建物情報に基づいてそれぞれ加工された加工建物図面および加工建物情報の少なくともいずれかを備える加工建物図面と、加工建物構成要素および加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データとして取得する教師データ取得ステップと、建物図面および建物情報が入力されると、教師データに基づいて、加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力する学習モデルを生成する学習モデル生成ステップとを含む。 A method of generating a learning model according to an aspect of the present invention comprises a building information reading step of reading at least a building drawing and building information, which is detailed information about the building; and a processing step of adding information about the processing to the building information, and at least one of the processed building drawing and the processed building information processed based on the building drawing and the building information by the processing step. A teacher data acquisition step of acquiring a building drawing and processed building information, which is detailed information about processed building components and processed building equipment, as teacher data; and a learning model generation step of generating a learning model outputting the same evaluation basic building drawing and evaluation basic building information as the processed building drawing and the processed building information, respectively, based on the data.

本発明の一様態に係る情報処理装置は、少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、建物構成要素および建築設備に関する詳細情報である建物情報とを読み込む読み込み部と、建物図面が備える建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、加工に関する情報を建物情報に加える加工部と、加工部により、建物図面および建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、加工建物構成要素および加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データ取得部と、建物図面および建物情報を備える入力データが入力されると教師データに基づいて加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに加工建物図面が備える加工建物構成要素および加工建築設備とそれぞれ同一の評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデルに、建物図面および建物情報を入力し、評価基礎建物図面および評価基礎建物情報と、評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備とを取得する評価基礎情報取得部と、評価基礎建物図面および評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、情報によって構成される建物の輪郭を境界線として特定する境界特定部と、境界線、評価基礎建物図面および評価基礎建物情報に基づいて、部屋の種類および部屋のサイズを含む部屋の詳細情報を特定する部屋特定部と、境界特定部によって特定された境界線を、建築モジュールの矩形に沿って構成されるように境界線の位置を調整して移動させる補正をする補正部と、補正部によって補正された境界線と、評価基礎建物図面および評価基礎建物情報とに基づいて、壁の種類および壁のサイズを含む壁の詳細情報を特定する壁特定部と、評価基礎建物図面および評価基礎建物情報、部屋特定部によって取得した部屋の詳細情報および壁特定部によって取得した壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する出力部とを備える。 An information processing apparatus according to an aspect of the present invention includes a reading unit that reads a building drawing including at least one of building components and building equipment, building information that is detailed information about the building components and building equipment, and a building drawing. A processing section that labels and colors the building components and building equipment provided by the building, and adds information on the processing to the building information, and the processing that is processed by the processing section based on the building drawing and building information. a teacher data acquisition unit that acquires, as teacher data, a processed building drawing including at least one of a building component and a processed building facility, and processed building information that is detailed information about the processed building component and the processed building facility; When input data including building information is input, an evaluation basic building drawing and evaluation basic building information that are the same as the processed building drawing and the processed building information are output based on the training data, and the processed building constituent elements included in the processed building drawing are output. Input the building drawing and building information into the learning model that outputs the evaluation basic building component elements and the evaluation basic building equipment possessed by the evaluation basic building drawing that is the same as the evaluation basic building drawing and the processed building equipment, respectively, and the evaluation basic building drawing and the evaluation basic building information , an evaluation basic information acquisition unit that acquires the evaluation basic building components and the evaluation basic building equipment included in the evaluation basic building drawing, and extracts information about the outer wall, the inner wall, and the wall thickness from the evaluation basic building drawing and the evaluation basic building information, A boundary identification unit that identifies the outline of the building configured by the information as a boundary line, and identifies detailed information about the room, including room type and room size, based on the boundary line, evaluation basic building drawing, and evaluation basic building information. a correction unit that adjusts and moves the position of the boundary line so that the boundary line identified by the boundary identification unit is configured along the rectangle of the building module; A wall identification part that identifies detailed information about the wall, including the type and size of the wall, based on the boundary line that has been obtained, the evaluation basic building drawing, and the evaluation basic building information, and the evaluation basic building drawing and the evaluation basic building information and an output unit for outputting evaluation data necessary for house evaluation based on the detailed information of the room acquired by the room specifying unit and the detailed information of the wall acquired by the wall specifying unit.

本発明の一様態に係る情報処理方法は、少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、建物構成要素および建築設備に関する詳細情報である建物情報とを読み込む読み込みステップと、建物図面が備える建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、加工に関する情報を建物情報に加える加工ステップと、加工ステップにより、建物図面および建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、加工建物構成要素および加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データ取得ステップと、建物図面および建物情報を備える入力データが入力されると、教師データに基づいて、加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに加工建物図面が備える加工建物構成要素および加工建築設備とそれぞれ同一の評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデルに、建物図面と建物情報とを入力し、評価基礎建物図面および評価基礎建物情報と、評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備とを取得する評価基礎情報取得ステップと、評価基礎建物図面および評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、情報によって構成される建物の輪郭を境界線として特定する境界特定ステップと、境界線、評価基礎建物図面および評価基礎建物情報に基づいて、部屋の種類および部屋のサイズを含む部屋の詳細情報を特定する部屋特定ステップと、境界特定ステップによって特定された境界線を、建築モジュールの矩形に沿って構成されるように境界線の位置を調整して移動させる補正をする補正ステップと、補正ステップによって補正された境界線と、評価基礎建物図面および評価基礎建物情報とに基づいて、壁の種類および壁のサイズを含む壁の詳細情報を特定する壁特定ステップと、評価基礎建物図面および評価基礎建物情報、部屋特定ステップによって取得した部屋の詳細情報および壁特定ステップによって取得した壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する出力ステップとを含む。 An information processing method according to an aspect of the present invention includes a reading step of reading a building drawing including at least one of building components and building equipment, and building information, which is detailed information about the building components and building equipment; A processing step of labeling and coloring the building constituent elements and building equipment provided in the building, adding information on the processing to the building information, and processing respectively processed based on the building drawing and the building information by the processing step. a teacher data acquiring step of acquiring, as teacher data, a processed building drawing including at least one of a building component and a processed building facility, and processed building information, which is detailed information about the processed building component and the processed building facility; When input data including building information is input, an evaluation basic building drawing and evaluation basic building information that are the same as the processed building drawing and the processed building information are output based on the teacher data, and the processed building drawing included in the processed building drawing is output. Building drawings and building information are input into a learning model that outputs evaluation basic building components and evaluation basic building equipment provided in the same evaluation basic building drawing as constituent elements and processed building equipment, and evaluation basic building drawings and evaluation basics An evaluation basic information acquisition step of acquiring building information, evaluation basic building components and evaluation basic building equipment provided in the evaluation basic building drawing, and obtaining information on outer walls, inner walls, and wall thickness from the evaluation basic building drawing and the evaluation basic building information. Boundary identification step of extracting and identifying building contours configured by the information as boundary lines and room details including room type and room size based on the boundary lines, the evaluation basic building drawing and the evaluation basic building information a room identification step of identifying information; a correction step of adjusting and moving the position of the boundary line identified by the boundary identification step so as to be configured along the rectangle of the building module; A wall identification step of identifying detailed wall information, including wall types and wall sizes, based on the boundary lines corrected by the step and the evaluation foundation building drawing and evaluation foundation building information; an output step of outputting evaluation data necessary for house evaluation based on the basic building information, the detailed information of the rooms obtained by the room identification step, and the detailed information of the walls obtained by the wall identification step.

本発明の一様態に係るコンピュータプログラムは、少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、建物構成要素および建築設備に関する詳細情報である建物情報とを読み込む読み込みステップと、建物図面が備える建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、加工に関する情報を建物情報に加える加工ステップと、加工ステップにより、建物図面および建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、加工建物構成要素および加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データ取得ステップと、建物図面および建物情報を備える入力データが入力されると、教師データに基づいて、加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに加工建物図面が備える加工建物構成要素および加工建築設備とそれぞれ同一の評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデルに、建物図面と建物情報とを入力し、評価基礎建物図面および評価基礎建物情報と、評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備とを取得する評価基礎情報取得ステップと、評価基礎建物図面および評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、情報によって構成される建物の輪郭を境界線として特定する境界特定ステップと、境界線、評価基礎建物図面および評価基礎建物情報に基づいて、部屋の種類および部屋のサイズを含む部屋の詳細情報を特定する部屋特定ステップと、境界特定ステップによって特定された境界線を、建築モジュールの矩形に沿って構成されるように境界線の位置を調整して移動させる補正をする補正ステップと、補正ステップによって補正された境界線と、評価基礎建物図面および評価基礎建物情報とに基づいて、壁の種類および壁のサイズを含む壁の詳細情報を特定する壁特定ステップと、評価基礎建物図面および評価基礎建物情報、部屋特定ステップによって取得した部屋の詳細情報および壁特定ステップによって取得した壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する出力ステップとを含む処理をコンピュータに実行させる。 A computer program according to an aspect of the present invention comprises a reading step of reading a building drawing including at least one of building components and building equipment, and building information, which is detailed information about the building components and building equipment; A processed building that is processed based on the building drawing and the building information by the processing step of labeling and coloring the building constituent elements and building equipment, and adding information about the processing to the building information, and the processing step. a teacher data acquisition step of acquiring, as teacher data, a processed building drawing including at least one of a component and a processed building facility, and processed building information, which is detailed information about the processed building component and the processed building facility; a building drawing and a building When input data including information is input, an evaluation basic building drawing and evaluation basic building information that are the same as the processed building drawing and the processed building information are output based on the teacher data, and the processed building configuration included in the processed building drawing is output. Input the building drawing and building information into the learning model that outputs the evaluation basic building component elements and the evaluation basic building equipment provided in the same evaluation basic building drawing as the element and the processed building equipment, respectively, and evaluate the evaluation basic building drawing and the evaluation basic building An evaluation basic information acquisition step of acquiring information, evaluation basic building components and evaluation basic building equipment provided in the evaluation basic building drawing, and extracting information about outer walls, inner walls, and wall thickness from the evaluation basic building drawing and the evaluation basic building information. and a boundary identification step of identifying the outline of the building configured by the information as a boundary line, and detailed room information including the room type and room size based on the boundary line, the evaluation basic building drawing and the evaluation basic building information a room identification step of identifying a room, a correction step of correcting the boundary identified by the boundary identification step by adjusting the position of the boundary and moving it so as to be configured along the rectangle of the building module, a correction step A wall identification step of identifying detailed wall information, including wall types and wall sizes, based on the boundary lines corrected by the evaluation foundation building drawing and the evaluation foundation building information, and the evaluation foundation building drawing and the evaluation foundation and an output step of outputting evaluation data necessary for house evaluation based on the building information, the detailed information of the room obtained by the room identification step, and the detailed information of the wall obtained by the wall identification step.

本発明によれば、家屋評価において、図面の解析処理、評点の付加処理、評点の数計算処理を連続実行することが可能となり、家屋毎に繰り返される評点項目入力操作、評点項目の補正操作等の作業量を大幅に低減することが可能となる。
その結果、評点補正を含めた家屋の評点数計算に必要な作業時間を大幅に短縮できることから、より効率的な処理が実現できる。 According to the present invention, in house evaluation, it is possible to continuously execute the drawing analysis process, the score addition process, and the score number calculation process, and the score item input operation, the score item correction operation, etc., which are repeated for each house. It is possible to greatly reduce the amount of work in
As a result, it is possible to greatly reduce the work time required for calculating the number of scores of the house, including the score correction, and thus realize more efficient processing.

さらに、一度付加された評点項目や補正項目の部分的な修正が可能であるため、変更、追加、削除の対象となる評点がある場合は柔軟に対応でき、作業の効率化が図れるといった効果がある。 In addition, since it is possible to partially modify the rating items and correction items that have been added, it is possible to flexibly respond to changes, additions, and deletions of scores, which has the effect of improving work efficiency. be.

なお、本発明により、ユーザは大変な集中力を要する長時間、繰り返しの単純作業から開放され、疲労の軽減や疲労に伴うミス等から開放されること、家屋評価のミスおよびオペレータに依存する評価のゆらぎによって発生する納税者による訴訟等の減少につながることから、国連が主導する持続可能な開発目標（SDGｓ）の目標３「すべての人に健康と福祉を」、目標８「働きがいも経済成長も」および目標９「産業と技術革新の基盤をつくろう」に貢献することが可能となる。 It should be noted that the present invention frees the user from long hours of repetitive simple work that requires a great deal of concentration, reduces fatigue, and frees the user from mistakes associated with fatigue. Since it will lead to a decrease in litigation by taxpayers caused by fluctuations in economic growth, the Sustainable Development Goals (SDGs) led by the United Nations, Goal 3 "Good Health and Well-Being" and Goal 8 "Decent Work and Economic Growth" It will also be possible to contribute to Goal 9, “Industry, innovation and infrastructure”.

本発明の実施形態１に係る学習モデルの生成処理に関する説明図である。FIG. 4 is an explanatory diagram relating to learning model generation processing according to the first embodiment of the present invention; 本発明の実施形態１に係る学習モデルの生成処理に関する説明図である。FIG. 4 is an explanatory diagram relating to learning model generation processing according to the first embodiment of the present invention; 本発明の実施形態１に係る学習モデルの生成処理に関する説明図である。FIG. 4 is an explanatory diagram relating to learning model generation processing according to the first embodiment of the present invention; 本発明の実施形態１に係る建物図面および建物情報の加工に関する概要図である。FIG. 2 is a schematic diagram relating to processing of building drawings and building information according to Embodiment 1 of the present invention. 本発明の実施形態１に係る建物図面に関する概要図である。BRIEF DESCRIPTION OF THE DRAWINGS It is a schematic diagram regarding the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物情報に関する概要図である。FIG. 2 is a schematic diagram related to building information according to Embodiment 1 of the present invention; 本発明の実施形態１に係る建物情報に関する概要図である。FIG. 2 is a schematic diagram related to building information according to Embodiment 1 of the present invention; 本発明の実施形態１に係る建物図面の平面図に関する概要図である。BRIEF DESCRIPTION OF THE DRAWINGS It is a schematic diagram regarding the top view of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る加工建物図面に関する概要図である。It is a schematic diagram regarding the processing building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る加工建物図面に関する概要図である。It is a schematic diagram regarding the processing building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る加工建物図面に関する説明図である。FIG. 2 is an explanatory diagram relating to a processed building drawing according to Embodiment 1 of the present invention; 本発明の実施形態１に係る建物図面および建物情報の加工処理に関するフローチャート図である。FIG. 4 is a flow chart diagram relating to processing of building drawings and building information according to Embodiment 1 of the present invention. 本発明の実施形態１に係る学習モデルの生成処理に関するフローチャート図である。FIG. 4 is a flow chart diagram relating to learning model generation processing according to the first embodiment of the present invention. 本発明の実施形態１に係る情報処理装置の構成を示すブロック図である。1 is a block diagram showing the configuration of an information processing apparatus according to Embodiment 1 of the present invention; FIG. 本発明の実施形態１に係る情報処理装置の構成を示すブロック図である。1 is a block diagram showing the configuration of an information processing apparatus according to Embodiment 1 of the present invention; FIG. 本発明の実施形態１に係る情報処理装置の構成を示すブロック図である。1 is a block diagram showing the configuration of an information processing apparatus according to Embodiment 1 of the present invention; FIG. 本発明の実施形態１に係る情報処理装置による家屋評価データ出力の処理手順を示すフローチャート図である。It is a flowchart figure which shows the processing procedure of the house evaluation data output by the information processing apparatus which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る情報処理装置による家屋評価データ出力の処理手順に関連するフローチャート図である。It is a flowchart figure relevant to the processing procedure of the house evaluation data output by the information processing apparatus which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る情報処理装置による家屋評価データ出力の処理手順を関連するフローチャート図である。It is a flowchart figure relevant to the processing procedure of the house evaluation data output by the information processing apparatus which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面のアウトラインに関する概要図である。1 is a schematic diagram of an outline of a drawing of a building according to Embodiment 1 of the present invention; FIG. 本発明の実施形態１に係る建物図面のアウトラインを線分の図面に変換した概要図である。FIG. 2 is a schematic diagram obtained by converting an outline of a drawing of a building according to Embodiment 1 of the present invention into a drawing of line segments; 本発明の実施形態１に係る建物図面の線分図面にベクトル量を付加した概要図である。FIG. 2 is a schematic diagram in which a vector quantity is added to a line segment drawing of a building drawing according to Embodiment 1 of the present invention; 本発明の実施形態１に係る建物図面の線分図面において外壁および内壁を抽出した説明図である。It is explanatory drawing which extracted the outer wall and the inner wall in the line segment drawing of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面の線分図面において外壁および内壁を抽出した説明図である。It is explanatory drawing which extracted the outer wall and the inner wall in the line segment drawing of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面の線分図面において区画を特定した説明図である。It is explanatory drawing which specified the division in the line segment drawing of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面の線分図面において境界線を特定した説明図である。It is explanatory drawing which specified the boundary line in the line segment drawing of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面の線分図面において境界線を特定した説明図である。It is explanatory drawing which specified the boundary line in the line segment drawing of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面の線分図面において境界線を特定した説明図である。It is explanatory drawing which specified the boundary line in the line segment drawing of the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面において境界線の不備を示す説明図である。FIG. 3 is an explanatory diagram showing a defect of a boundary line in a building drawing according to Embodiment 1 of the present invention; 本発明の実施形態１に係る建物図面において境界線の不備を解消した説明図である。It is explanatory drawing which eliminated the defect of the boundary line in the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面の概要図である。FIG. 2 is a schematic diagram of a drawing configured with boundary lines in the building drawing according to Embodiment 1 of the present invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面にベクトル量を付加した説明図である。It is explanatory drawing which added the vector amount to the drawing comprised with the boundary line in the drawing of the building which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面にベクトル量を付加する規則を説明した説明図である。FIG. 3 is an explanatory diagram illustrating a rule for adding vector quantities to a drawing composed of boundary lines in the building drawing according to the first embodiment of the present invention; 本発明の実施形態１に係る建物図面において境界線で構成した図面にベクトル量を付加した概要図である。FIG. 2 is a schematic diagram in which a vector quantity is added to a drawing composed of boundary lines in the drawing of a building according to Embodiment 1 of the present invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面の部屋を識別した説明図である。FIG. 4 is an explanatory diagram identifying rooms in a drawing formed by boundary lines in the building drawing according to Embodiment 1 of the present invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面の部屋を識別した概要図である。FIG. 2 is a schematic diagram identifying rooms in a drawing formed by boundary lines in the building drawing according to Embodiment 1 of the present invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面を補正した説明図である。It is explanatory drawing which correct|amended the drawing comprised with the boundary line in the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面を補正した説明図である。It is explanatory drawing which correct|amended the drawing comprised with the boundary line in the building drawing which concerns on Embodiment 1 of this invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面を補正した概要図である。FIG. 2 is a schematic diagram of a corrected drawing composed of boundary lines in the building drawing according to Embodiment 1 of the present invention. 本発明の実施形態１に係る建物図面において境界線で構成した図面の壁を識別した説明図である。FIG. 2 is an explanatory diagram identifying walls of a drawing formed by boundary lines in the building drawing according to Embodiment 1 of the present invention.

以下、本発明の実施の形態について図面を参照して説明する。ただし、以下の実施の形態に記載されている構成要素は単なる例示であり、本発明の技術範囲をそれらのみに限定する趣旨のものではない。なお、本明細書における文言「図」および「図面」は、文脈によって、共に概念を示す場合もあり、具体的なデータを示す場合もある。「図」および「図面」がデータである場合、任意の形式の画像である。 BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, embodiments of the present invention will be described with reference to the drawings. However, the components described in the following embodiments are merely examples, and are not intended to limit the technical scope of the present invention only to them. Note that the terms “figure” and “drawing” in this specification may both indicate a concept or may indicate specific data depending on the context. Where "drawings" and "drawings" are data, they are images of any format.

なお、説明の便宜上、各図に付与された同一の符号は、特に言及が無い限り同一部分または相当部分を示すものとし、また同様の構造および／または機能を有する要素を意図し、必要以上に詳細な説明は省略する場合がある。
さらに、重複する説明は、適宜簡略化あるいは省略する。
また、本実施形態において「～」の記号を用いて数値範囲を表す場合があるが、「～」の前後に記載される数値は当該数値範囲に含まれる。
（実施形態１）
［学習モデル］ For convenience of explanation, the same reference numerals given to each drawing indicate the same or equivalent parts unless otherwise specified, and also intend elements having similar structures and/or functions. Detailed description may be omitted.
Further, overlapping explanations are appropriately simplified or omitted.
In addition, in this embodiment, the symbol "-" may be used to represent a numerical range, and the numerical values before and after "-" are included in the numerical range.
(Embodiment 1)
[Learning model]

図１～４は、図１４に示される学習モデル６２の生成処理に関する説明図である。図１では、機械学習を行って、学習モデル６２を生成する処理を概念的に示している。図１に示すように、学習モデル６２を生成するニューラルネットワークは、情報を受け取る入力層、入力層から情報を受け継ぎ、多種多様な計算を行うのが中間層、および入力層と中間層で重みをかけ、活性化関数で処理された値が示す出力層を備える。出力層で得られた結果を教師データと照合し、出力層から入力層に向けて誤差の修正や調整を行うことで、多くの中間層をもつ複雑なニューラルネットワークでも、より適切な学習を行うことが可能となる。 1 to 4 are explanatory diagrams relating to the process of generating the learning model 62 shown in FIG. FIG. 1 conceptually shows a process of performing machine learning and generating a learning model 62 . As shown in FIG. 1, the neural network that generates the learning model 62 has an input layer that receives information, an intermediate layer that receives information from the input layer, performs various calculations, and weights between the input layer and the intermediate layer. It has an output layer whose values are multiplied and processed with an activation function. By matching the results obtained in the output layer with the training data and correcting and adjusting errors from the output layer to the input layer, even a complex neural network with many intermediate layers can learn more appropriately. becomes possible.

図２に示すように、入力層は、入力データが備える建物図面および建物情報と、建物図面および建物情報をそれぞれ加工した加工建物図面および加工建物情報であって、教師データが備える加工建物図面に含まれた各画素に関する情報および加工建物情報に関する情報等の入力を受け付ける複数のニューロンを有し、入力された画素に関する情報等を中間層に受け渡す。
中間層は、加工建物図面の画像に関する情報および加工建物情報に関する情報等を抽出する複数のニューロンを有し、抽出した情報を出力層に受け渡す。 As shown in FIG. 2, the input layer includes building drawings and building information included in input data, and processed building drawings and processed building information obtained by processing the building drawings and building information, respectively. It has a plurality of neurons that receive inputs such as information about each pixel included and information about the processed building, and passes the input information about the pixels to the intermediate layer.
The intermediate layer has a plurality of neurons for extracting information about the image of the processed building drawing and information about the processed building information, and passes the extracted information to the output layer.

なお、図１において、中間層の層数は３とされているが、これに限定されない。例えば学習モデル６２がＣＮＮである場合、中間層は、入力層から入力された各画素の画素値を畳み込むコンボリューション層と、コンボリューション層で畳み込んだ画素値をマッピングするプーリング層とが交互に連結された構成を有し、加工建物図面の画素情報等を圧縮しながら最終的に画像の特徴量を抽出する。図１において、コンボリューション層、及びプーリング層の記載は省略している。
出力層は、図３に示すように、中間層から出力された画像特徴量等に基づいて、評価基礎建物図面および評価基礎建物情報を出力する。 Although the number of intermediate layers is three in FIG. 1, the present invention is not limited to this. For example, when the learning model 62 is a CNN, the intermediate layer alternately has a convolution layer that convolves the pixel values of each pixel input from the input layer and a pooling layer that maps the pixel values convolved in the convolution layer. It has a connected configuration, and while compressing the pixel information of the processed building drawing, etc., finally extracts the feature amount of the image. In FIG. 1, descriptions of the convolution layer and the pooling layer are omitted.
As shown in FIG. 3, the output layer outputs the evaluation basic building drawing and the evaluation basic building information based on the image feature amount and the like output from the intermediate layer.

学習モデル６２は、建物図面および建物情報がそれぞれ加工された加工建物図面および加工建物情報が評価基礎建物図面および評価基礎建物情報と一致するよう学習され、建物図面および建物情報を入力した際に、建物図面および建物情報がそれぞれ加工された加工建物図面および加工建物情報が評価基礎建物図面および評価基礎建物情報と一致した評価基礎建物図面および評価基礎建物情報を出力するよう学習される。 The learning model 62 is learned so that the processed building drawing and the processed building information obtained by processing the building drawing and the building information match the evaluation basic building drawing and the evaluation basic building information, and when the building drawing and the building information are input, It is learned to output the evaluation basic building drawing and the evaluation basic building information in which the building drawing and the building information are respectively processed and the processed building drawing and the processed building information match the evaluation basic building drawing and the evaluation basic building information.

ここで、加工建物図面とは、建物図面が含む、複数の建物構成要素および建築設備のそれぞれに対し、ラベルおよび色を付加したものである。具体的には、図４に示すように、建築図面のデータにおいて、各建物構成要素および各建築設備に属するピクセルに対し、ラベル情報および色情報を付加し、その付加された情報（加工付加情報）を建物情報に加えて加工建物情報を取得する。 Here, the processed building drawing is a drawing in which labels and colors are added to each of a plurality of building components and building facilities included in the building drawing. Specifically, as shown in FIG. 4, in architectural drawing data, label information and color information are added to pixels belonging to each building component and each building facility, and the added information (processing additional information ) is added to the building information to obtain the processed building information.

建物図面は、配置図、平面図、立面図、電気・暖房配線図、展開図、基礎伏図、基礎断面図、構造伏図、金物伏図、矩計図、電気設備工事特記仕様書、機械設備工事特記仕様書、屋外給排水設備図等を含む。図５では、本発明の実施形態１に係る平面図および立面図を示す。 Building drawings include layout, floor plan, elevation, electrical/heating wiring diagram, development, foundation plan, foundation cross-section, structure plan, hardware plan, rectangular gauge, electrical equipment construction special specifications, Includes special specifications for mechanical equipment construction, outdoor water supply and drainage system drawings, etc. FIG. 5 shows a plan view and an elevation view according to Embodiment 1 of the present invention.

平面図は、建物の形状および敷地との位置関係を示した図面であり、各階の床面から１ｍ程度の高さの水平断面を図面化したものであり、間取図でもあり、建物の間取りや内部構造を知るための図面である。対象物の上面方向からの、投影図、間取り、床高、面積、壁の構造や開口部の開き勝手、建具、作りつけ家具、機器の配置などの平面寸法などを表示しており、細かな寸法が描き込まれている。平面図は設計図書の中でもっとも基本となる図面であり、他の図面の見出しや索引として使われることも多い。建物や土木構造物をある高さで水平に切ったとした切断面を真上から見下ろし、適当な縮尺で描いた図形である。本発明の実施形態１において説明する平面図とは、各階の形状を示し、床面積および求積方法を記載した図面である。 A floor plan is a drawing that shows the shape of the building and its positional relationship with the site. It is a horizontal cross section at a height of about 1 m from the floor surface of each floor. It is a drawing for knowing the internal structure. Projections from the top of the object, floor plan, floor height, area, wall structure, opening orientation of openings, fittings, built-in furniture, planar dimensions such as equipment placement, etc. are displayed. Dimensions are drawn. The floor plan is the most basic drawing in the design documents, and is often used as a heading or index for other drawings. It is a figure drawn at an appropriate scale by looking down from directly above on a cross section of a building or civil engineering structure cut horizontally at a certain height. The plan view described in the first embodiment of the present invention is a drawing showing the shape of each floor and describing the floor area and the quadrature method.

立面図は、建物の全体的な外観を示す図であり、隣家と接地しているなどの場合を除き、特に表記する必要がなければ、東西南北の四面の立体図を作成するのが通常である。外壁、扉、窓、出入口の形状や、基準地盤面などを図示し、側斜線や道路斜線などのチェックもこの図で行なわれる。鉛直面への投影で、対象物を正面からみた正面図や側面からみた側面図などが含まれる。縮尺は１／５０～１／１００程度。立面図は建物の外観意匠図としての性格が強く、細かい寸法などの記入は省かれることが多く、「姿図」とも言われる。各図面の並びを左から右へ、反時計回りの順に書かれるが、最近ではCGやカラーパースを使って、立体画像を作るケースも多い。 Elevation is a drawing showing the overall appearance of a building, and unless there is a need to specify otherwise, it is normal to create a three-dimensional drawing of the four sides, north, south, east and west. is. The shapes of exterior walls, doors, windows, and entrances, as well as the reference ground surface, are illustrated, and side slanted lines and road slanted lines are also checked on this drawing. A projection onto a vertical plane, including a front view of an object viewed from the front or a side view viewed from the side. The scale is about 1/50 to 1/100. Elevation drawings have a strong character as exterior design drawings of buildings, and are often referred to as 'figure drawings' because they often omit details such as detailed dimensions. The layout of each drawing is written from left to right in counterclockwise order, but recently there are many cases where 3D images are created using CG and color perspective.

また、建物構成要素とは、外壁、内壁、建具およびフロア等の建物を構成する要素となるものを示している。建築設備とは、建築物に設ける各種設備のことで、空気・水・電気・ガスなどを選んで使えるようにする機械・配管配線・器具などで構成されるシステムや機器を指している。 Further, building constituent elements refer to elements that constitute a building, such as outer walls, inner walls, fittings, floors, and the like. Building equipment refers to various equipment installed in buildings, and refers to systems and equipment that consist of machines, piping wiring, appliances, etc. that allow you to select and use air, water, electricity, gas, etc.

建物情報とは、各建物構成要素および各建築設備に関する詳細情報であり、各建物構成要素および各建築設備の名称、配置、サイズ等を含んでいる。また、建物情報は、建物各所の仕上げを表にまとめた、図６に示すような仕上表や、基礎、構造体、屋根、外壁といった大きなものからキッチンや洗面台といった設備関係の一覧表である、図７に示すような仕様書等を備える。なお、仕上表は、各部屋の床や壁、天井などの仕上げ材を示した図面である。仕上表および仕様書等は、表と文字で構成される。また、仕上表には、屋根や外壁等の“家の外側”に関する仕上げを示す外部仕上げ表、および各室内の壁・床・天井等の“家の内側（内装）” に関する仕上げを示す内部仕上げ表等が含まれる。 The building information is detailed information about each building component and each building facility, and includes the name, layout, size, etc. of each building component and each building facility. The building information includes a finishing table as shown in FIG. 6, which summarizes the finishing of various parts of the building, and a list of facilities such as large items such as foundations, structures, roofs, and outer walls, as well as kitchens and washstands. , specifications and the like as shown in FIG. The finishing table is a drawing showing finishing materials such as floors, walls and ceilings of each room. Finishing tables and specifications are composed of tables and characters. In addition, the finish table includes an exterior finish table that indicates the finish of the "outside of the house" such as the roof and outer walls, and an interior finish that indicates the finish of the "inside (interior) of the house" such as the walls, floors, and ceilings of each room. Tables, etc. are included.

つぎに、図９に示す加工建物図面は、図８に示す建物図面が含む各建物構成要素および各建築設備のセグメントのピクセルに対して、建物構成要素名および建築設備名等のラベルの情報等と、それらに関連付けされた色の情報等とが付加されたものである。建物構成要素名等および建築設備名等の情報と、それらに関連付けされた色の情報とは、例えば、外壁＝１(黄土色)、内壁＝２（青緑色）、リビング＝３（黄緑色）のように示される。建物構成要素および建築設備は加工されて、加工建物構成要素および加工建築設備として取得される。
加工建物情報は、加工建物構成要素および加工建築設備に関する詳細情報を含む。 Next, in the processed building drawing shown in FIG. 9, label information such as building component names and building equipment names is added to pixels of segments of each building component and each building equipment included in the building drawing shown in FIG. and color information associated with them are added. Information such as building component names, etc., building equipment names, etc., and information on colors associated with them are, for example, exterior wall = 1 (ocher), interior wall = 2 (turquoise), living room = 3 (yellow green). is shown as The building components and building equipment are fabricated and obtained as fabricated building components and fabricated building equipment.
Fabricated building information includes detailed information about fabricated building components and fabricated building equipment.

加工建物図面は加工によって建物図面が着色され、加工建物情報は加工によって建物情報にラベルおよび色の情報が付加される。ラベルおよび色等の付加された情報を加工付加情報とする。
図９に示す加工建物図面を、加工建物構成要素ごと、加工建築設備ごとに分解したものを図１０および図１１に示す。
［加工図面生成処理］
図１２は、図１４に示す情報処理装置１が備える制御部１０による建物図面および建物情報の加工処理の処理手順の一例を示すフローチャートである。 In the processed building drawing, the building drawing is colored by processing, and in the processed building information, label and color information are added to the building information by processing. The added information such as labels and colors is used as processing additional information.
10 and 11 show the processed building drawing shown in FIG. 9 disassembled for each processed building component and for each processed building equipment.
[Processing drawing generation process]
FIG. 12 is a flow chart showing an example of a processing procedure of building drawing and building information processing by the control unit 10 provided in the information processing apparatus 1 shown in FIG. 14 .

例えば、図１４に示す情報処理装置１が備える制御部１０は、建物図面および建物情報を読み込む（Ｓ０１）。つぎに、制御部１０は、建物図面および建物情報にラベル情報等および色情報等を付加する加工処理を実施する（Ｓ０２）。つぎに、制御部１０は、建物図面および建物情報が加工処理された加工建物図面および加工建物情報を取得する（Ｓ０３）。
［学習モデル生成方法］
図１３は、情報処理装置１が備える制御部１０による学習モデル６２の生成処理の処理手順の一例を示すフローチャートである。
図１４に示す制御部１０は、建物図面および建物情報をそれぞれ加工処理した加工建物図面および加工建物情報を教師データとして取得する（Ｓ１１）。 For example, the control unit 10 included in the information processing apparatus 1 shown in FIG. 14 reads building drawings and building information (S01). Next, the control unit 10 performs a processing process of adding label information and the like and color information and the like to the building drawing and the building information (S02). Next, the control unit 10 acquires the processed building drawing and the processed building information obtained by processing the building drawing and the building information (S03).
[Learning model generation method]
FIG. 13 is a flowchart showing an example of the processing procedure of the learning model 62 generation processing by the control unit 10 included in the information processing apparatus 1 .
The control unit 10 shown in FIG. 14 acquires the processed building drawing and the processed building information obtained by processing the building drawing and the building information, respectively, as teacher data (S11).

つぎに、制御部１０は、教師データを入力すると、加工建物図面および加工建物情報とそれぞれ一致するような評価基礎建物図面および評価基礎建物情報を出力する学習モデル６２（学習済みモデル）を生成する（Ｓ１２）。 Next, when the teacher data is input, the control unit 10 generates a learning model 62 (learned model) that outputs an evaluation basic building drawing and evaluation basic building information that match the processed building drawing and the processed building information, respectively. (S12).

具体的には、制御部１０は、入力データが備える建物図面および建物情報と、教師データである建物図面および建物情報を加工処理した加工建物図面および加工建物情報をニューラルネットワークの入力層に入力し、建物図面および建物情報にそれぞれ対応した評価基礎建物図面および評価基礎建物情報を出力層から出力する。制御部１０は、評価基礎建物図面および評価基礎建物情報を教師データの正解値（各ピクセルごとのラベル情報および色情報等）と比較し、出力層から出力される評価基礎建物図面および評価基礎建物情報が正解値に近づくよう、中間層での演算処理に用いるパラメータ（重み等）を最適化する。当該パラメータは、例えばニューロン間の重み（結合係数）、各ニューロンで用いられる活性化関数の係数などである。パラメータの最適化の方法は特に限定されないが、例えば情報処理装置１は誤差逆伝播法を用いて各種パラメータの最適化を行うことできる。 Specifically, the control unit 10 inputs a building drawing and building information included in the input data, and a processed building drawing and processed building information obtained by processing the building drawing and building information, which are teaching data, to the input layer of the neural network. , an evaluation basic building drawing and evaluation basic building information corresponding to the building drawing and building information, respectively, are output from the output layer. The control unit 10 compares the evaluation basic building drawing and the evaluation basic building information with the correct values of the teacher data (label information and color information for each pixel, etc.), and outputs the evaluation basic building drawing and the evaluation basic building that are output from the output layer. The parameters (weights, etc.) used for arithmetic processing in the intermediate layer are optimized so that the information approaches the correct value. The parameters are, for example, weights (coupling coefficients) between neurons, coefficients of activation functions used in each neuron, and the like. Although the parameter optimization method is not particularly limited, for example, the information processing device 1 can optimize various parameters using the error backpropagation method.

なお、加工建物図面および加工建物情報の種類や数を増加させ、学習回数を増やすことでも、学習モデル６２は最適化され、精度は向上する。制御部１０は、生成した学習モデル６２を補助記憶部６０に格納し、一連の処理を終了する。 The learning model 62 can also be optimized and the accuracy improved by increasing the types and numbers of processed building drawings and processed building information and increasing the number of times of learning. The control unit 10 stores the generated learning model 62 in the auxiliary storage unit 60, and ends the series of processes.

なお、本発明の実施形態１に係る学習モデル６２の生成に用いられる学習アルゴリズムは、セマンティックセグメンテーションであるものとして説明するが、セマンティックセグメンテーションに限定されず、セマンティックセグメンテーション以外のニューラルネットワーク、ＳＶＭ（Support Vector Machine）、ベイジアンネットワーク、回帰木など、他の学習アルゴリズムで構築された学習アルゴリズムでも適用可能である。 Note that the learning algorithm used to generate the learning model 62 according to the first embodiment of the present invention will be described as semantic segmentation, but it is not limited to semantic segmentation. Machine), Bayesian network, regression tree, etc., can also be applied to learning algorithms built with other learning algorithms.

また、本発明の実施形態１に係る画像処理方法には、セマンティックセグメンテーションを利用した学習済モデルによる判別を利用したが、これに限定されず、他の画像処理方法を用いてもよい。例えば、勾配ブースティング、ランダムフォレストなどでモデル化した学習済モデルを用いて加工建物図面および評価基礎建物図面を判別することができる。その場合、制御部１０は、判別手段として、例えば、画像をメッシュ分割して各メッシュでのＲＧＢの平均と標準偏差を求め、求めた値を説明変数として用いることができる。すなわち、制御部１０は、判別手段として、多数の学習用画像それぞれから求めた説明変数を入力して得られる出力値を当該学習用画像のアノテーションに一致させるようにパラメータを更新した学習済モデルに、画像から求めた説明変数を入力して判別を行う。
［セマンティックセグメンテーション］
本発明の実施形態１に係る機械学習モデルには、セマンティックセグメンテーションを使用することが可能である。 Also, the image processing method according to the first embodiment of the present invention uses discrimination by a trained model using semantic segmentation, but the present invention is not limited to this, and other image processing methods may be used. For example, it is possible to discriminate between a processed building drawing and an evaluation basic building drawing using a learned model modeled by gradient boosting, random forest, or the like. In this case, the control unit 10 can divide an image into meshes, obtain the average and standard deviation of RGB in each mesh, and use the obtained values as explanatory variables. That is, the control unit 10, as a discriminating means, converts an output value obtained by inputting an explanatory variable obtained from each of a large number of learning images into a learned model whose parameters are updated so as to match the annotation of the learning image. , the explanatory variables obtained from the image are input for discrimination.
[Semantic segmentation]
Semantic segmentation can be used for the machine learning model according to Embodiment 1 of the present invention.

ここで、セマンティックセグメンテーション（Semantic Segmentation）は、画像内の全ピクセル（画素）一つ一つに対してラベルやカテゴリを関連付けるディープラーニング（Deep Learning）のアルゴリズムであり、特徴的なカテゴリを形成する画素の集まりを認識するために使用される。 Here, semantic segmentation is a deep learning algorithm that associates labels and categories with each pixel (pixel) in an image. used to recognize collections of

セマンティックセグメンテーションで用いられる手法として、例えば、一般的なＣＮＮの全結合層を、領域全体をカバーする１ｘ１の畳み込みを行うと考えることで、全結合層を畳み込み層に置き換えても同じような結果を得ることができるＦＣＮ（Fully Convolutional Networks）、Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ型のＦＣＮであるＳｅｇＮｅｔ、Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ型で、低次元の特徴を高次元の特徴へスキップして結合する「スキップ接続」が特徴のＵ－Ｎｅｔ、Ｅｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒ型で、Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ Ｐｏｏｌｉｎｇを用い、リッチな周辺コンテキストを得ることで高精度のセマンティックセグメンテーションを可能にしたものであるＰＳＰＮｅｔ、ｖ１では畳み込み層にＡｔｒｏｕｓ ｃｏｎｖｏｌｕｔｉｏｎ（Dilated convolution）を用いる手法を、ｖ２ではＳｐａｔｉａｌ Ｐｙｒａｍｉｄ Ｐｏｏｌｉｎｇから着想を得た、Ａｔｒｏｕｓ Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ Ｐｏｏｌｉｎｇ（ASPP）を追加し、ｖ３ではｖ２で追加したＡＳＰＰを改良した「改良型ＡＳＰＰ」を用いるとともに、ｖ１、 ｖ２で行っていたＣＲＦによる後処理を廃止して、ｖ２の「画像のマルチスケール処理」を「特徴のマルチスケール処理」に変更し計算効率化して、Ｂａｔｃｈ Ｎｏｒｍａｌｉｚａｔｉｏｎの導入をし、ｖ３＋ではｖ３をさらに改良し、シンプルで効果的なデコーダモジュールを追加、バックボーンにＸｃｅｐｔｉｏｎモデルの導入、Ａｔｒｏｕｓ Ｓｐａｔｉａｌ Ｐｙｒａｍｉｄ Ｐｏｏｌｉｎｇとデコーダモジュールの両方に深度方向畳み込み分解（depthwise separable convolution）を適用することによる、より高速で強力なネットワークの構築をしているＤｅｅｐＬａｂ（ｖ１～ｖ３＋）等がある。
［情報処理装置］
図１４は、本発明の実施形態１に係る情報処理装置１の概略構成を示すブロック図である。 As a method used in semantic segmentation, for example, by considering a fully connected layer of a general CNN to perform 1 x 1 convolution covering the entire region, the same result can be obtained even if the fully connected layer is replaced with a convolution layer. FCN (Fully Convolutional Networks) that can be obtained, SegNet which is an Encoder-Decoder type FCN, Encoder-Decoder type U characterized by "skip connection" that skips and joins low-dimensional features to high-dimensional features -Net, Encoder-Decoder type, using Spatial Pyramid Pooling, enabling highly accurate semantic segmentation by obtaining rich surrounding context PSPNet, v1 uses Atrous convolution (Dilated convolution) for convolution layer In v2, Atrous Spatial Pyramid Pooling (ASPP), inspired by Spatial Pyramid Pooling, was added, and in v3, the "improved ASPP" that improved the ASPP added in v2 was used, and v1 and v2 were used. Post-processing by CRF was abolished, v2's "multi-scale processing of images" was changed to "multi-scale processing of features" to improve calculation efficiency, Batch Normalization was introduced, and v3+ further improved v3, Building a faster and more powerful network by adding a simple and efficient decoder module, introducing the Xception model in the backbone, and applying depthwise separable convolution to both Atrous Spatial Pyramid Pooling and the decoder module. There is DeepLab (v1-v3+) etc.
[Information processing device]
FIG. 14 is a block diagram showing a schematic configuration of the information processing device 1 according to Embodiment 1 of the present invention.

情報処理装置１は、種々の情報処理、情報の送受信が可能な情報処理装置であり、コンピュータである。コンピュータには、使用目的、仕様、スペック、性能等により、パーソナルコンピュータ（パソコン）、ワークステーション、サーバコンピュータ（サーバ）、メインフレーム、スーパーコンピュータ（スパコン）、ウルトラコンピュータ、ミニコンピュータ（ミニコン）、オフィスコンピュータ（オフコン）、ポケットコンピュータ（ポケコン）、マイクロコンピュータ（マイコン）、携帯情報端末（ＰＤＡ）およびシーケンサ（PLC:プログラマブルロジックコントローラ）等のように分類されるが、情報処理装置は、これらのすべてが適用可能である。また、インターネット等のネットワークＮを介して通信可能に接続されたクラウドコンピュータが、情報処理装置１の処理を実行することも可能である。
本発明の実施形態１に係る情報処理装置１は、パーソナルコンピュータとし、以下に説明する。 The information processing apparatus 1 is an information processing apparatus capable of various types of information processing and transmission/reception of information, and is a computer. Computers can be divided into personal computers (personal computers), workstations, server computers (servers), mainframes, supercomputers (supercomputers), ultracomputers, minicomputers (minicomputers), and office computers, depending on the purpose of use, specifications, specs, performance, etc. (office computer), pocket computer (pocket computer), microcomputer (microcomputer), personal digital assistant (PDA) and sequencer (PLC: programmable logic controller), etc. All of these are applicable to information processing equipment. It is possible. Also, a cloud computer communicably connected via a network N such as the Internet can execute the processing of the information processing device 1 .
The information processing apparatus 1 according to the first embodiment of the present invention is assumed to be a personal computer, and will be described below.

本発明の実施形態１に係る情報処理装置１は、建物図面および建物情報を読み込み、読み込んだ建物図面および建物情報に基づいて画像処理（加工処理）等された画像等である加工建物図面および加工建物情報を学習モデルに入力し、加工建物図面および加工建物情報とそれぞれ一致する評価基礎建物図面および評価基礎建物情報を出力するよう学習モデルを学習させ、建物図面および建物情報を入力した際に、家屋評価に必要な情報を検出、識別、特定、データ化するための基礎情報となる評価基礎建物図面および評価基礎建物情報を、機械学習により学習済みの学習モデル６２を用いて出力し、建物図面および建物情報と、加工付加情報とから家屋評価に必要な評点項目および評点項目に対する評点数を算出する処理を行う。学習モデル６２は、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される。
以下、本発明の実施形態１では、建物図面および建物情報を読み込んだ際に、家屋評価に必要な情報（家屋評価データ）を取得する場合につき説明する。
図１４に示すように、情報処理装置１は、制御部１０、主記憶部５０、通信部３０、入力部４０、出力部２０、補助記憶部６０および表示部７０を備える。 The information processing apparatus 1 according to the first embodiment of the present invention reads a building drawing and building information, and processes the processed building drawing and processed building drawing, which is an image or the like subjected to image processing (processing) based on the read building drawing and building information. When building information is input to a learning model, the learning model is trained to output evaluation basic building drawings and evaluation basic building information that match the processed building drawings and processed building information, respectively, and when the building drawings and building information are input, The evaluation basic building drawing and the evaluation basic building information, which are basic information for detecting, identifying, specifying, and converting information necessary for house evaluation into data, are output using a learning model 62 that has been learned by machine learning, and the building drawing Then, from the building information and the processing additional information, a process of calculating the score items necessary for the house evaluation and the number of scores for the score items is performed. The learning model 62 is assumed to be used as a program module that is part of artificial intelligence software.
In the first embodiment of the present invention, a case will be described below in which information (house evaluation data) necessary for house evaluation is obtained when building drawings and building information are read.
As shown in FIG. 14, the information processing apparatus 1 includes a control section 10, a main storage section 50, a communication section 30, an input section 40, an output section 20, an auxiliary storage section 60 and a display section .

制御部１０は、１つまたは複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の演算処理装置を有し、補助記憶部６０に記憶されたプログラム６３を読み出して実行することにより、情報処理装置１に係る種々の情報処理、制御処理等を行う。図１４の各機能部は、制御部１０がプログラム６３に基づいて動作することにより実行される。 The control unit 10 has an arithmetic processing unit such as one or more CPU (Central Processing Unit), MPU (Micro-Processing Unit), GPU (Graphics Processing Unit), etc. A program 63 stored in the auxiliary storage unit 60 is read and executed to perform various information processing, control processing, and the like related to the information processing apparatus 1 . Each functional unit in FIG. 14 is executed by the control unit 10 operating based on the program 63 .

制御部１０は、機能部として、読み込み部１１、加工部１２、教師データ取得部１３、評価基礎情報取得部１４、境界特定部１５、部屋特定部１６、補正部１７、壁特定部１８、評価情報取得部１９および出力部２０を備える。 The control unit 10 includes, as functional units, a reading unit 11, a processing unit 12, a teacher data acquisition unit 13, an evaluation basic information acquisition unit 14, a boundary identification unit 15, a room identification unit 16, a correction unit 17, a wall identification unit 18, an evaluation An information acquisition unit 19 and an output unit 20 are provided.

読み込み部１１は、少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、記建物構成要素および建築設備に関する詳細情報である建物情報とを読み込む。 The reading unit 11 reads a building drawing including at least one of building components and building equipment, and building information, which is detailed information about the building components and building equipment.

加工部１２は、読み込んだ建物図面および建物情報等、詳細には、建物図面が備える建物構成要素および建築設備に対して、ラベルや色を付加する加工処理（画像処理）を行い、加工に関する情報を建物情報に加える処理を実行する。 The processing unit 12 performs processing (image processing) for adding labels and colors to the read building drawings and building information, and more specifically, to the building constituent elements and building equipment included in the building drawings. to the building information.

教師データ取得部１３は、加工部１２により建物図面および建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、加工建物構成要素および加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する。 The teacher data acquiring unit 13 obtains a processed building drawing including at least one of the processed building component elements and the processed building equipment processed by the processing unit 12 based on the building drawing and the building information, and the processed building component elements and the processed building equipment. The processed building information, which is detailed information about the building, is acquired as teacher data.

評価基礎情報取得部１４は、建物図面および建物情報を備える入力データが入力されると教師データに基づいて加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに加工建物図面が備える加工建物構成要素および加工建築設備とそれぞれ同一の評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデル６２に、建物図面および建物情報を入力し、評価基礎建物図面および評価基礎建物情報と、評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備とを取得する。 When input data including a building drawing and building information is input, the evaluation basic information acquisition unit 14 outputs the same evaluation basic building drawing and evaluation basic building information as the processed building drawing and the processed building information, respectively, based on the teacher data. Furthermore, the building drawing and building information are input to a learning model 62 that outputs the evaluation basic building component elements and the evaluation basic building equipment included in the same evaluation basic building drawing as the processed building component and the processed building equipment included in the processed building drawing. Then, the evaluation basic building drawing, the evaluation basic building information, and the evaluation basic building components and the evaluation basic building facilities included in the evaluation basic building drawing are acquired.

境界特定部１５は、評価基礎建物図面および評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、情報によって構成される建物の輪郭を境界線として特定する。
部屋特定部１６は、境界線、評価基礎建物図面および評価基礎建物情報に基づいて、部屋の種類および部屋のサイズを含む部屋の詳細情報を特定する。 The boundary specifying unit 15 extracts information about outer walls, inner walls, and wall thicknesses from the evaluation basic building drawing and the evaluation basic building information, and specifies the outline of the building formed by the information as a boundary line.
The room identification unit 16 identifies detailed information about the room, including room type and room size, based on the boundary line, the evaluation basic building drawing, and the evaluation basic building information.

補正部１７は、境界特定部１５によって特定された境界線を、建築モジュールの矩形に沿って構成されるように前記境界線の位置を調整して移動させる補正をする。 The correction unit 17 adjusts and moves the position of the boundary line specified by the boundary specifying unit 15 so that the boundary line is configured along the rectangle of the building module.

壁特定部１８は、補正部１７によって補正された境界線と、評価基礎建物図面および評価基礎建物情報とに基づいて、壁の種類および壁のサイズを含む壁の詳細情報を特定する。 The wall specifying unit 18 specifies detailed information about the wall, including the type and size of the wall, based on the boundary line corrected by the correcting unit 17, the evaluation basic building drawing, and the evaluation basic building information.

評価情報取得部１９は、評価基礎建物図面および評価基礎建物情報、部屋特定部１６によって取得した部屋の詳細情報および壁特定部１８によって取得した壁の詳細情報に基づいて、評価建物図面および評価建物情報を取得する。 The evaluation information acquisition unit 19 acquires the evaluation building drawing and the evaluation building based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room acquired by the room specifying unit 16, and the detailed information of the wall acquired by the wall specifying unit 18. Get information.

出力部２０は、評価基礎建物図面および評価基礎建物情報、部屋特定部によって取得した部屋の詳細情報および壁特定部によって取得した壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する。ここで、評価データは、例えば、再建築費評点数の算出に必要な情報であり、評点項目に対する標準評点数、補正係数および計算単位等である。 The output unit 20 outputs evaluation data necessary for house evaluation based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room acquired by the room specifying unit, and the detailed information of the wall acquired by the wall specifying unit. . Here, the evaluation data is, for example, information necessary for calculating the rebuilding cost score, and includes the standard score for the score item, correction coefficient, calculation unit, and the like.

ここで、評点項目は、各部分別に一般に使用されている資材の種類及び品等、施工の態様等の区分によって標準評点数を付設するための項目である。標準評点数は、評点項目の区分に従い、「標準量」に対する工事費を基礎として算出したものである。標準量とは、「再建築費評点基準表」における構造及び用途ごとに標準とされた家屋を新築するとした場合に、家屋の各部分別に必要な単位当たりの施工量をいう。 Here, the score item is an item for assigning a standard score according to classifications such as types and products of materials generally used for each part, and aspects of construction. The standard score is calculated based on the construction cost for the "standard amount" according to the classification of the score item. The standard amount refers to the construction amount required per unit for each part of the house when constructing a new house standardized for each structure and use in the "reconstruction cost evaluation standard table".

また、標準評点数は、評点項目の区分に従い基準年度に基づいた所定の時期において特別区の区域における物価水準により算定した工事原価に相当する費用に基づき、その費用の一円を一点として表されている。
補正項目及び補正係数は、各部分別に標準とされている施工量等に対し、評価対象家屋の施工量等が相違している場合において、補正係数によって補正する。 In addition, the standard score is based on the cost equivalent to the construction cost calculated based on the price level in the special ward area at a predetermined time based on the base year according to the classification of the score item, and one yen of the cost is expressed as one point. ing.
The correction items and correction coefficients are corrected by the correction coefficients when the construction amount of the house to be evaluated is different from the standard construction amount for each part.

計算単位は、評点付設の便宜上、単位（ｍ、ｍ２、ｍ３、ｔ、個など）当たりで示されている。そのため、各部分別の再建築費評点数は、標準評点数に所定の計算単位を乗じて算出する。 The calculation unit is shown per unit (m, m 2 , m 3 , t, piece, etc.) for the convenience of assigning scores. Therefore, the rebuilding cost score for each part is calculated by multiplying the standard score by a predetermined calculation unit.

また、出力部２０は、評価情報取得部１９が取得した評価建物図面および評価建物情報も出力する。評価建物図面および評価建物情報は、建物図面および建物情報が電子化されたデータをすべて含み、必要に応じてオペレータにより、補正係数や学習モデル６２の計算結果に揺らぎが出た際の修正した情報を含む。 The output unit 20 also outputs the evaluation building drawing and the evaluation building information acquired by the evaluation information acquisition unit 19 . The evaluation building drawing and the evaluation building information include all data in which the building drawing and building information are digitized, and the operator corrects the correction coefficients and the calculation results of the learning model 62 as necessary when fluctuations occur. including.

主記憶部５０は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の一時記憶領域であり、制御部１０が演算処理を実行するために必要なデータを一時的に記憶する。通信部３０は、通信に関する処理を行うための通信モジュールであり、外部と建物図面および建物情報等の送受信を行う。入力部４０は、文字、記号等の入力を行うキーボード、ポインタの座標指示を行い、位置を制御するための信号を送るマウス等である。表示部７０は、キャラクタおよびグラフィックを表示するディスプレイ等であり、読み込んだ建築図面等および算出した家屋評価に必要な評点項目、評点数等を表示する。また、表示部７０は、情報処理装置１を構成する各種機能部に対する設定入力情報、設定変更情報および設定確認情報等を表示する。 The main storage unit 50 is a temporary storage area such as SRAM (Static Random Access Memory), DRAM (Dynamic Random Access Memory), flash memory, etc., and temporarily stores data necessary for the control unit 10 to perform arithmetic processing. Remember. The communication unit 30 is a communication module for performing processing related to communication, and transmits/receives building drawings, building information, and the like to/from the outside. The input unit 40 is a keyboard for inputting characters, symbols, etc., a mouse for specifying coordinates of a pointer and sending a signal for controlling the position. The display unit 70 is a display or the like for displaying characters and graphics, and displays the read architectural drawing and the like, and the calculated score items and score required for house evaluation. Further, the display unit 70 displays setting input information, setting change information, setting confirmation information, and the like for various functional units constituting the information processing apparatus 1 .

補助記憶部６０は、大容量メモリ、ハードディスク等であり、制御部１０が処理を実行するために必要なプログラム６３、その他のデータを記憶している。また、補助記憶部６０は、図面／情報ＤＢ６１および学習モデル６２を記憶している。図面／情報ＤＢ６１は、建物図面および建物情報、加工建物図面および加工建物情報、評価基礎建物図面および評価基礎建物情報、線分建物図面および線分建物情報、評価建物図面および評価建物情報等に関するデータを格納したデータベースである。 The auxiliary storage unit 60 is a large-capacity memory, hard disk, or the like, and stores programs 63 and other data necessary for the control unit 10 to execute processing. The auxiliary storage unit 60 also stores a drawing/information DB 61 and a learning model 62 . The drawing/information DB 61 includes data relating to building drawings and building information, processed building drawings and processed building information, evaluation basic building drawings and evaluation basic building information, line segment building drawings and line segment building information, evaluation building drawings and evaluation building information, etc. is a database that stores

補助記憶部６０に記憶されるプログラム６３は、プログラム６３を読み取り可能に記録した記録媒体より提供されてもよい。記録媒体は、例えば、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤ（Secure Digital）カード、マイクロＳＤカード、コンパクトフラッシュ（登録商標）等の可搬型のメモリである。記録媒体に記録されるプログラム６３は、図に示していない読取装置を用いて記録媒体から読み取られ、補助記憶部６０に保存される。また、情報処理装置１が外部通信装置と通信可能な通信部を備える場合、補助記憶部６０に記憶されるプログラム６３は、通信部を介した通信により提供されてもよい。 The program 63 stored in the auxiliary storage unit 60 may be provided from a recording medium on which the program 63 is readable. The recording medium is, for example, a USB (Universal Serial Bus) memory, an SD (Secure Digital) card, a micro SD card, a portable memory such as a compact flash (registered trademark). The program 63 recorded on the recording medium is read from the recording medium using a reading device (not shown) and stored in the auxiliary storage unit 60 . Moreover, when the information processing device 1 includes a communication unit capable of communicating with an external communication device, the program 63 stored in the auxiliary storage unit 60 may be provided by communication via the communication unit.

なお、補助記憶部６０には、情報処理装置１に接続された外部記憶装置を適用可能である。また、情報処理装置１には、複数のコンピュータからなるマルチコンピュータを適用可能であり、ソフトウェアによって仮想的に構築された仮想マシンも適用可能である。 Note that an external storage device connected to the information processing apparatus 1 can be applied to the auxiliary storage unit 60 . A multicomputer including a plurality of computers can be applied to the information processing apparatus 1, and a virtual machine that is virtually constructed by software can also be applied.

また、制御部１０は、補助記憶部６０が備える図面／情報ＤＢ６１、学習モデル６２およびプログラム６３が有するデータおよびプログラムを追加、削除および編集も実施可能である。 The control unit 10 can also add, delete, and edit data and programs in the drawing/information DB 61 , the learning model 62 , and the program 63 provided in the auxiliary storage unit 60 .

つぎに、境界特定部１５は、評価基礎建物図面および評価基礎建物情報に基づいて、壁の構成を壁の輪郭として抽出する壁輪郭抽出部１５１と、輪郭を線分により構成された図面に変換し、線分建物図面および線分建物情報を取得する線分変換部１５２と、線分建物図面を直交座標系に適用し、連続した複数の外壁の線分のベクトル方向が同一になるよう複数の外壁の線分に対してベクトル情報を付与し、外壁に該当する線分のベクトル情報および評価基礎建物情報が備える壁厚から内壁を線分として抽出する壁抽出部１５３と、壁抽出部１５３が抽出した内壁の線分に外壁の線分とは逆方向のベクトル情報を付与し、外壁のベクトル情報、内壁のベクトル情報および壁厚から、外壁および内壁に挟まれた壁厚の中央の線分である境界線を特定し、境界線によって構成された構成図面を決定する境界決定部１５４とを備える。 Next, the boundary specifying unit 15, based on the evaluation basic building drawing and the evaluation basic building information, has a wall contour extraction unit 151 that extracts the structure of the wall as a wall contour, and converts the contour into a drawing composed of line segments. Then, a line segment conversion unit 152 acquires the line segment building drawing and the line segment building information, and applies the line segment building drawing to an orthogonal coordinate system so that the vector directions of the line segments of a plurality of continuous outer walls are the same. A wall extracting unit 153 that gives vector information to the line segment of the outer wall of the wall and extracts the inner wall as a line segment from the vector information of the line segment corresponding to the outer wall and the wall thickness included in the evaluation basic building information. gives vector information in the opposite direction to the line segment of the outer wall to the line segment of the inner wall extracted by . and a boundary determination unit 154 that identifies a boundary line that is a minute and determines a configuration drawing configured by the boundary line.

部屋特定部１６は、境界線に基づいて、境界線によって閉じられた領域を、建物内部の隔てられた空間の区画として特定する区画特定部１６１と、評価基礎建物構成要素および評価基礎建築設備を備える評価基礎建物図面および評価基礎建物情報が有するラベルおよび色に関する情報を、対応する区画の画素ごとに適用し、区画内で最も多い種類のラベルおよび記色に関する情報を採用することで、区画に対する部屋の種別を識別する部屋識別部１６２とを備える。
［情報処理方法］
図１７は、本発明の実施の形態１に係る情報処理装置１により、家屋評価に必要なデータを出力する処理手順の一例を示すフローチャート図である。 Based on the boundary line, the room identification unit 16 identifies the area enclosed by the boundary line as a section of the space separated inside the building, and the evaluation basic building component and the evaluation basic building equipment. By applying the label and color information of the evaluation basic building drawing and evaluation basic building information provided to each pixel of the corresponding block, and adopting the most common type of label and color information in the block, and a room identification unit 162 for identifying the type of room.
[Information processing method]
FIG. 17 is a flow chart diagram showing an example of a processing procedure for outputting data required for house evaluation by the information processing apparatus 1 according to Embodiment 1 of the present invention.

まず、読み込み部１１は、少なくとも建物構成要素および建築設備のいずれかを備える図５および８に示すような建物図面と、記建物構成要素および建築設備に関する詳細情報である図６および７に示すような建物情報とを読み込む（Ｓ２１）。 First, the reading unit 11 reads a building drawing such as shown in FIGS. building information is read (S21).

つぎに、加工部１２は、読み込んだ建物図面および建物情報等、詳細には、建物図面が備える建物構成要素および建築設備に対して、ラベルや色を付加する加工処理（画像処理）を行い、加工に関する情報を建物情報に加える処理を実行する（Ｓ２２）。 Next, the processing unit 12 performs processing (image processing) for adding labels and colors to the read building drawings and building information, and more specifically, to the building constituent elements and building equipment included in the building drawings. A process of adding information on processing to the building information is executed (S22).

つぎに、教師データ取得部１３は、加工部１２により建物図面および建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、加工建物構成要素および加工建築設備に関する詳細情報である図９に示すような加工建物情報とを教師データとして取得する（Ｓ２３）。 Next, the teacher data acquisition unit 13 obtains a processed building drawing including at least one of the processed building component elements and the processed building equipment processed by the processing unit 12 based on the building drawing and the building information, and the processed building component elements and Processed building information as shown in FIG. 9, which is detailed information about the processed building equipment, is acquired as teacher data (S23).

評価基礎情報取得部１４は、建物図面および建物情報を備える入力データを学習モデル６２に入力することで、評価基礎建物図面および評価基礎建物情報と、評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備とを取得する（Ｓ２４）。ここで、学習モデル６２は、建物図面および建物情報を備える入力データが入力されると教師データに基づいて加工建物図面および加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに加工建物図面が備える加工建物構成要素および加工建築設備とそれぞれ同一の評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する機械学習における学習済みモデルである。 The evaluation basic information acquisition unit 14 inputs the input data including the building drawing and the building information to the learning model 62, thereby obtaining the evaluation basic building drawing and the evaluation basic building information, and the evaluation basic building components and the evaluation basic building components included in the evaluation basic building drawing. The evaluation basic building equipment is acquired (S24). Here, when input data including building drawings and building information is input, the learning model 62 outputs evaluation basic building drawings and evaluation basic building information identical to the processed building drawings and processed building information, respectively, based on the teacher data. Furthermore, it is a learned model in machine learning that outputs an evaluation basic building component element and an evaluation basic building equipment included in the same evaluation basic building drawing as the processed building component element and the processed building equipment included in the processed building drawing.

境界特定部１５は、評価基礎建物図面および評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、これらの情報によって構成される建物の輪郭を、図３１に示すような壁厚の中央線であるように定義された境界線として特定する（Ｓ２５）。 The boundary specifying unit 15 extracts information about outer walls, inner walls, and wall thickness from the basic building drawing for evaluation and the basic building information for evaluation. A boundary defined to be a line is identified (S25).

詳細には、Ｓ２５において、壁輪郭抽出部１５１は、評価基礎建物図面および評価基礎建物情報に基づいて、評価基礎建物図面が有する壁の構成を図２０に示すような壁の輪郭として抽出する（Ｓ２５１）。 Specifically, in S25, the wall contour extraction unit 151 extracts the configuration of the wall included in the evaluation basic building drawing as a wall contour as shown in FIG. 20 based on the evaluation basic building drawing and the evaluation basic building information ( S251).

線分変換部１５２は、図２０に示す図形に最小二乗法等の手法を用いて、輪郭を線分により構成された図面に変換し、図２１に示すうような線分建物図面および線分建物情報を取得する（Ｓ２５２）。 The line segment conversion unit 152 uses a technique such as the method of least squares on the figure shown in FIG. Building information is acquired (S252).

壁抽出部１５３は、図２２に示すように、線分建物図面を直交座標系に適用し、連続した複数の外壁の線分のベクトル方向が同一になるよう複数の外壁の線分に対してベクトル情報を付与し、外壁に該当する線分のベクトル情報および評価基礎建物情報が備える壁厚から内壁を線分として抽出する（Ｓ２５３）。図２３に示すように、本発明の実施の形態１に係る内壁は、壁厚の中央線から所定の壁厚の範囲にあると判断し、その範囲内にある線分を内壁と特定する。特定した内壁には、外壁に付与したベクトルとは逆方向のベクトルを付与する。図２４に示すように、内壁とつながっている線分も内壁と判断し、新たな発見した内壁にも、既に発見されている内壁に付与したベクトルと同一方向のベクトルを付与する。図２５に示すように、ｘ方向およびｙ方向について、同様のロジックを使用し、すべての内壁を検出する。 As shown in FIG. 22, the wall extracting unit 153 applies the line segment building drawing to an orthogonal coordinate system, and extracts a plurality of line segments of the outer wall so that the vector directions of the continuous line segments of the outer wall are the same. Vector information is given, and the inner wall is extracted as a line segment from the vector information of the line segment corresponding to the outer wall and the wall thickness included in the evaluation basic building information (S253). As shown in FIG. 23, the inner wall according to Embodiment 1 of the present invention is determined to be within a predetermined wall thickness range from the center line of the wall thickness, and the line segment within that range is identified as the inner wall. The specified inner wall is given a vector in the opposite direction to the vector given to the outer wall. As shown in FIG. 24, the line segment connecting to the inner wall is also determined to be the inner wall, and the newly discovered inner wall is given a vector in the same direction as the vector given to the already discovered inner wall. Similar logic is used to detect all internal walls for the x and y directions, as shown in FIG.

境界決定部１５４は、図２６に示すように、壁抽出部１５３が抽出した内壁の線分に外壁の線分とは逆方向のベクトル情報を付与し、外壁のベクトル情報、内壁のベクトル情報および壁厚から、外壁および内壁に挟まれた壁厚の中央の線分である境界線を特定し、境界線によって構成された構成図面を決定する（Ｓ２５４）。まず、横方向の境界線の検出について、外壁および内壁にそれぞれ付与した逆方向のベクトルをセットにして、その中間線を境界線として決定する。図２６に示すように、例えば内壁に付与したベクトルに連続性が損なわれている場合、同一方向ベクトルを有し、図２７に示すように誤差が(壁厚／２)の範囲内であれば同一の内壁として判定し、それら不連続の内壁ベクトルを数学的手法により近似をすることで、連続した内壁ベクトルを決定する。縦方向の境界線についても、同様のロジックを適用して決定する。その結果、図２８に示すように、すべての外壁および内壁に対して、壁厚の中央線とほぼ等しい境界線を決定する。さらに、図２８に示す境界線の構成において、互いに直交する境界線が、図２９に示すように突出している場合あるいは分離している場合であって、突出距離または分離距離が壁厚よりも小さい場合は、図３０に示すように、境界線の突出および分離が解消するよう境界線を修正する。すべての境界線について、境界線の突出および分離に対する修正処理を実施することで、図３１に示すように、建物図面に対応した境界線で構成される境界線図面を得ることができる。 As shown in FIG. 26, the boundary determining unit 154 gives the line segment of the inner wall extracted by the wall extracting unit 153 vector information in the opposite direction to the line segment of the outer wall, and extracts the vector information of the outer wall, the vector information of the inner wall, and the vector information of the inner wall. From the wall thickness, a boundary line, which is a line segment in the middle of the wall thickness sandwiched between the outer wall and the inner wall, is specified, and a configuration drawing configured by the boundary line is determined (S254). First, regarding the detection of the horizontal boundary line, the vectors in the opposite direction respectively given to the outer wall and the inner wall are set, and the intermediate line between them is determined as the boundary line. As shown in FIG. 26, for example, when continuity is lost in the vectors given to the inner wall, if the vectors have the same direction and the error is within the range of (wall thickness/2) as shown in FIG. A continuous inner wall vector is determined by determining the same inner wall and approximating the discontinuous inner wall vectors by a mathematical method. A similar logic is applied to determine vertical boundaries. As a result, as shown in FIG. 28, for all outer and inner walls, a boundary line approximately equal to the center line of the wall thickness is determined. Furthermore, in the boundary line configuration shown in FIG. 28, if the mutually orthogonal boundary lines are projected or separated as shown in FIG. 29, the projected distance or separation distance is less than the wall thickness. If so, as shown in FIG. 30, the boundary lines are corrected so that the protrusion and separation of the boundary lines are eliminated. By performing correction processing for protrusion and separation of boundary lines for all boundary lines, a boundary line drawing composed of boundary lines corresponding to the building drawing can be obtained as shown in FIG.

つぎに、部屋特定部１６は、境界線、評価基礎建物図面および評価基礎建物情報に基づいて、部屋の種類および部屋のサイズを含む部屋の詳細情報を特定する（Ｓ２６）。 Next, the room identification unit 16 identifies detailed information about the room, including the room type and room size, based on the boundary line, the evaluation basic building drawing, and the evaluation basic building information (S26).

詳細には、Ｓ２６において、区画特定部１６１は、境界線に基づいて、境界線によって閉じられた領域を、建物内部の隔てられた空間の区画として特定する（Ｓ２６１）。まず、図３２に示すように、境界線図面において、内壁に該当する側面に付与した右方向のベクトルを基準として、すべての内壁に付与されたベクトルを探索する。図３３（ａ）に示すように、内壁ベクトルの探索において、境界線が分岐している場合、ベクトルが時計回りになるよう下方向の探索を選択する。図３３（ｂ）に示すように、ベクトルが時計回りになるよう左方向の探索を選択する。図３３（ｃ）に示すように、図３３（ａ）および（ｂ）と同様に、ベクトルが時計回りになるよう上方向の探索を選択する。その結果、探索を開始した、基準となるベクトルに連結することで、探索処理を完了し、閉じた区画として特定する。同様にして、図３４に示すように、すべての境界線図面の内壁に該当する箇所に付与されるベクトルを探索し、区画を特定する。 Specifically, in S26, the section identification unit 161 identifies the area enclosed by the boundary line as a section of the separated space inside the building based on the boundary line (S261). First, as shown in FIG. 32, vectors assigned to all the inner walls are searched for with reference to the rightward vector assigned to the side surface corresponding to the inner wall in the drawing of the boundary line. As shown in FIG. 33(a), in the search for the inner wall vector, if the boundary line diverges, downward search is selected so that the vector is clockwise. As shown in FIG. 33(b), we choose to search left so that the vectors are clockwise. As shown in FIG. 33(c), similar to FIGS. 33(a) and (b), the upward search is chosen so that the vectors are clockwise. As a result, the search process is completed by connecting to the reference vector that started the search, and the closed partition is identified. Similarly, as shown in FIG. 34, the vectors assigned to the locations corresponding to the inner walls of all boundary drawings are searched to identify the partition.

部屋識別部１６２は、評価基礎建物構成要素および評価基礎建築設備を備える評価基礎建物図面および評価基礎建物情報が有するラベルおよび色に関する情報を、対応する区画の画素ごとに適用し、区画内で最も多い種類のラベルおよび色に関する情報を採用することで、区画に対する部屋の種別を識別する（Ｓ２６２）。すなわち、例えば、図３５（ａ）に示す評価基礎建物構成要素および評価基礎建築設備を備える評価基礎建物図面の有するラベルおよび色に関する情報を、対応する図３５（ｂ）に示す境界線図面の区間に適用し、最も多くの識別情報（ラベルおよび色に関する情報）を、その区間が有する識別情報として採用する。当該区間に採用された識別情報から、部屋に関する情報を識別する。部屋識別部１６２によって、境界線図面の部屋が識別された図を図３６に示す。 The room identification unit 162 applies the label and color information contained in the evaluation basic building drawing including the evaluation basic building component and the evaluation basic building equipment and the evaluation basic building information to each pixel of the corresponding block, and the most in the block. The type of room for the lot is identified (S262) by employing information about a large variety of labels and colors. That is, for example, the label and color information of the evaluation basic building drawing including the evaluation basic building components and evaluation basic building equipment shown in FIG. , and the most identification information (label and color information) is adopted as the identification information that the section has. Information about the room is identified from the identification information adopted for the section. FIG. 36 shows a diagram in which the rooms in the boundary drawing are identified by the room identification unit 162 .

つづいて、補正部１７は、境界特定部１５によって特定された境界線を、建築モジュールの矩形に沿って構成されるように前記境界線の位置を調整して移動させる補正をする（Ｓ２７）。補正部１７は、図３６に示す境界線図面の境界線を建築モジュールに一致するよう移動させて補正する。ここで、建築モジュールとは、建築において設計上の基準となる基本寸法、基準単位のことであり、建築物における柱と柱の間や、畳の寸法などを指す、メートルや尺や間などの単位のことである。日本の多くの住宅では「９１０ミリメートル＝３尺」単位の「尺モジュール」が使われている。境界線図面の境界線を移動させる補正を実施する例を図３７に示す。通常は最も境界線に近い建築モジュールの緯線および経線に移動させる。なお、クローゼットなどの特殊寸法がある場合は、図３８に示す破線である補助寸法を追加して、当該補助寸法に移動させて補正する。図３６に示す境界線図面を補正した図を図３９に示す。 Subsequently, the correction unit 17 adjusts and moves the boundary lines identified by the boundary identification unit 15 so that they are configured along the rectangle of the building module (S27). The correction unit 17 moves and corrects the boundary line of the boundary line drawing shown in FIG. 36 so as to match the architectural module. Here, building modules refer to the basic dimensions and units that serve as design standards in architecture, such as the distance between pillars in a building, the dimensions of tatami mats, etc. It is a unit. Many houses in Japan use the "shaku module" with the unit of "910 mm = 3 shaku". FIG. 37 shows an example of performing correction to move the boundary line of the boundary line drawing. It is usually moved to the latitude and longitude of the building module closest to the boundary. If there is a special dimension such as a closet, an auxiliary dimension indicated by a dashed line shown in FIG. 38 is added and corrected by moving to the auxiliary dimension. FIG. 39 shows a diagram obtained by correcting the boundary drawing shown in FIG.

つぎに、壁特定部１８は、補正部１７によって補正された境界線と、評価基礎建物図面および評価基礎建物情報とに基づいて、壁の種類および壁のサイズを含む壁の詳細情報を特定する（Ｓ２８）。壁特定部１８は、図４０（ａ）に示す評価基礎建物構成要素および評価基礎建築設備を備える評価基礎建物図面と、評価基礎建物情報とに基づいて、図３９に示す補正された境界線図面の壁の種別、サイズ等を特定する。 Next, the wall identifying unit 18 identifies detailed information about the wall, including the type and size of the wall, based on the boundary line corrected by the correcting unit 17, the evaluation basic building drawing, and the evaluation basic building information. (S28). 39 based on the evaluation basic building drawing including the evaluation basic building components and the evaluation basic building equipment shown in FIG. 40(a) and the evaluation basic building information. Identify the type, size, etc. of the wall of the

評価情報取得部１９は、評価基礎建物図面および評価基礎建物情報、部屋特定部１６によって取得した部屋の詳細情報および壁特定部１８によって取得した壁の詳細情報に基づいて、図４０（ａ）に示すような境界線図面に対応する取得評価建物図面および評価建物情報を取得する。 Based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room acquired by the room specifying unit 16, and the detailed information of the wall acquired by the wall specifying unit 18, the evaluation information acquisition unit 19 obtains the information shown in FIG. Obtain an evaluation building drawing and evaluation building information corresponding to the perimeter drawing as shown.

つづいて、出力部２０は、評価基礎建物図面および評価基礎建物情報、部屋特定部によって取得した部屋の詳細情報および壁特定部によって取得した壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する。また、出力部２０は、評価情報取得部１９が取得した評価建物図面および評価建物情報も出力する（Ｓ２９）。 Subsequently, the output unit 20 outputs evaluation data necessary for house evaluation based on the evaluation basic building drawing and the evaluation basic building information, the detailed information on the rooms acquired by the room specifying unit, and the detailed information on the walls acquired by the wall specifying unit. to output The output unit 20 also outputs the evaluation building drawing and the evaluation building information acquired by the evaluation information acquisition unit 19 (S29).

今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 The embodiments disclosed this time are illustrative in all respects and should be considered not restrictive. The scope of the present invention is indicated by the scope of the claims rather than the meaning described above, and is intended to include all modifications within the scope and meaning equivalent to the scope of the claims.

また、以上に説明した処理又は動作において、あるステップにおいて、そのステップではまだ利用することができないはずのデータを利用しているなどの処理又は動作上の矛盾が生じない限りにおいて、処理又は動作を自由に変更することができる。また以上に説明してきた各実施例は、本発明を説明するための例示であり、本発明はこれらの実施例に限定されるものではない。本発明は、その要旨を逸脱しない限り、種々の形態で実施することができる。 In addition, in the processing or operation described above, as long as there is no contradiction in the processing or operation, such as using data that cannot be used in that step in a certain step, the processing or operation is performed. You can change it freely. Moreover, each embodiment described above is an illustration for explaining the present invention, and the present invention is not limited to these examples. The present invention can be embodied in various forms without departing from the gist thereof.

１ 情報処理装置
１０ 制御部
１１ 読み込み部
１２ 加工部
１３ 教師データ取得部
１４ 評価基礎情報取得部
１５ 境界特定部
１６ 部屋特定部
１７ 補正部
１８ 壁特定部
１９ 評価情報取得部
２０ 出力部
３０ 通信部
４０ 入力部
５０ 主記憶部
６０ 補助記憶部
６１ 図面／情報ＤＢ
６２ 学習モデル
６３ プログラム
７０ 表示部
１５１ 壁輪郭抽出部
１５２ 線分変換部
１５３ 壁抽出部
１５４ 境界決定部
１６１ 区画特定部
１６２ 部屋識別部
Ｎ ネットワーク 1 Information processing device 10 Control unit 11 Reading unit 12 Processing unit 13 Teacher data acquisition unit 14 Evaluation basic information acquisition unit 15 Boundary identification unit 16 Room identification unit 17 Correction unit 18 Wall identification unit 19 Evaluation information acquisition unit 20 Output unit 30 Communication unit 40 Input unit 50 Main storage unit 60 Auxiliary storage unit 61 Drawing/information DB
62 learning model 63 program 70 display unit 151 wall contour extraction unit 152 line segment conversion unit 153 wall extraction unit 154 boundary determination unit 161 section identification unit 162 room identification unit N network

Claims (10)

少なくとも建物図面および前記建物に関する詳細情報である建物情報を読み込む建物情報読み込みステップと、
前記建物図面が備える少なくとも建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、前記加工に関する情報を建物情報に加える加工ステップと、
前記加工ステップにより、前記建物図面および前記建物情報に基づいてそれぞれ加工された加工建物図面および加工建物情報の少なくともいずれかを備える加工建物図面と、前記加工建物構成要素および前記加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データとして取得する教師データ取得ステップと、
前記建物図面および前記建物情報が入力されると、前記教師データに基づいて、前記加工建物図面および前記加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力する学習モデルを生成する学習モデル生成ステップ
とを含むことを特徴とする学習モデルの生成方法。 a building information reading step of reading building information, which is at least a building drawing and detailed information about the building;
a processing step of labeling and coloring at least the building components and building equipment included in the building drawing, and adding information about the processing to the building information;
A processed building drawing including at least one of the processed building drawing and processed building information processed based on the building drawing and the building information in the processing step, and detailed information about the processed building components and the processed building equipment. a teacher data acquisition step of acquiring as teacher data the processed building information as teacher data;
When the building drawing and the building information are input, a learning model is generated based on the training data to output the same evaluation basic building drawing and evaluation basic building information as the processed building drawing and the processed building information, respectively. and a learning model generation step. 少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、前記建物構成要素および前記建築設備に関する詳細情報である建物情報とを読み込む読み込み部と、
前記建物図面が備える建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、前記加工に関する情報を建物情報に加える加工部と、
前記加工部により、前記建物図面および前記建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、前記加工建物構成要素および前記加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データ取得部と、
前記建物図面および前記建物情報を備える入力データが入力されると前記教師データに基づいて前記加工建物図面および前記加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに前記加工建物図面が備える前記加工建物構成要素および前記加工建築設備とそれぞれ同一の前記評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデルに、前記建物図面および前記建物情報を入力し、前記評価基礎建物図面および前記評価基礎建物情報と、前記評価基礎建物図面が備える前記評価基礎建物構成要素および前記評価基礎建築設備とを取得する評価基礎情報取得部と、
前記評価基礎建物図面および前記評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、前記情報によって構成される建物の輪郭を境界線として特定する境界特定部と、
前記境界線、前記評価基礎建物図面および前記評価基礎建物情報に基づいて、部屋の種類および前記部屋のサイズを含む前記部屋の詳細情報を特定する部屋特定部と、
前記境界特定部によって特定された前記境界線を、建築モジュールの矩形に沿って構成されるように前記境界線の位置を調整して移動させる補正をする補正部と、
前記補正部によって補正された前記境界線と、前記評価基礎建物図面および前記評価基礎建物情報とに基づいて、壁の種類および前記壁のサイズを含む前記壁の詳細情報を特定する壁特定部と、
前記評価基礎建物図面および前記評価基礎建物情報、前記部屋特定部によって取得した前記部屋の詳細情報および前記壁特定部によって取得した前記壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する出力部
とを備えることを特徴とする情報処理装置。 a reading unit that reads a building drawing including at least one of a building component and building equipment, and building information that is detailed information about the building component and the building equipment;
a processing unit that performs labeling and coloring processing on the building components and building equipment included in the building drawing, and adds information on the processing to the building information;
A processed building drawing including at least one of a processed building component and a processed building equipment processed by the processing unit based on the building drawing and the building information, respectively, and details regarding the processed building component and the processed building equipment a training data acquisition unit that acquires processed building information, which is information, as training data;
When the input data including the building drawing and the building information are input, the evaluation basic building drawing and the evaluation basic building information identical to the processed building drawing and the processed building information are output based on the teaching data, and the The building drawing and the building information are stored in a learning model that outputs the evaluation basic building component elements and the evaluation basic building equipment included in the evaluation basic building drawing identical to the processed building component elements and the processed building equipment included in the processed building drawing. and an evaluation basic information acquiring unit that acquires the evaluation basic building drawing and the evaluation basic building information, and the evaluation basic building components and the evaluation basic building equipment included in the evaluation basic building drawing;
a boundary identifying unit that extracts information about outer walls, inner walls, and wall thicknesses from the evaluation basic building drawing and the evaluation basic building information, and identifies the outline of the building formed by the information as a boundary line;
a room identification unit that identifies detailed information about the room, including the room type and the size of the room, based on the boundary line, the basic building drawing for evaluation, and the basic building information for evaluation;
a correction unit that adjusts and moves the position of the boundary line identified by the boundary identification unit so that the boundary line is configured along the rectangle of the building module;
a wall identifying unit that identifies detailed information about the wall, including the type of wall and the size of the wall, based on the boundary line corrected by the correcting unit, the basic building drawing for evaluation, and the basic building information for evaluation; ,
Evaluation data required for house evaluation is output based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room acquired by the room specifying unit, and the detailed information of the wall acquired by the wall specifying unit. An information processing apparatus comprising: an output unit for outputting data. 前記境界特定部は、
前記評価基礎建物図面および前記評価基礎建物情報に基づいて、前記壁の構成を前記壁の輪郭として抽出する壁輪郭抽出部と、
前記輪郭を線分により構成された図面に変換し、線分建物図面および線分建物情報を取得する線分変換部と、
前記線分建物図面を直交座標系に適用し、連続した複数の前記外壁の線分のベクトル方向が同一になるよう複数の前記外壁の線分に対してベクトル情報を付与し、前記外壁に該当する前記線分のベクトル情報および前記評価基礎建物情報が備える前記壁厚から前記内壁を線分として抽出する壁抽出部と、
前記壁抽出部が抽出した前記内壁の線分に前記外壁の線分とは逆方向のベクトル情報を付与し、前記外壁のベクトル情報、前記内壁のベクトル情報および前記壁厚から、前記外壁および内壁に挟まれた前記壁厚の中央の線分である境界線を特定し、前記境界線によって構成された構成図面を決定する境界決定部
とを備えることを特徴とする請求項２に記載の情報処理装置。 The boundary identification unit
a wall contour extraction unit that extracts the configuration of the wall as a contour of the wall based on the basic building drawing for evaluation and the basic building information for evaluation;
a line segment conversion unit that converts the outline into a drawing composed of line segments and obtains a line segment building drawing and line segment building information;
Applying the line segment building drawing to an orthogonal coordinate system, giving vector information to a plurality of line segments of the outer wall so that the vector direction of the continuous line segments of the outer wall is the same, and corresponding to the outer wall a wall extraction unit that extracts the inner wall as a line segment from the wall thickness included in the evaluation basic building information and the vector information of the line segment;
Vector information in a direction opposite to the line segment of the outer wall extracted by the wall extracting unit is added to the line segment of the outer wall, and from the vector information of the outer wall, the vector information of the inner wall and the wall thickness, the outer wall and the inner wall 3. The information according to claim 2 , further comprising a boundary determination unit that identifies a boundary line that is a line segment in the center of the wall thickness sandwiched between and determines a configuration drawing configured by the boundary line. processing equipment. 前記部屋特定部は、
前記境界線に基づいて、前記境界線によって閉じられた領域を、建物内部の隔てられた空間の区画として特定する区画特定部と、
前記評価基礎建物構成要素および前記評価基礎建築設備を備える前記評価基礎建物図面および前記評価基礎建物情報が有するラベルおよび色に関する情報を、対応する前記区画の画素ごとに適用し、前記区画内で最も多い種類の前記ラベルおよび前記色に関する情報を採用することで、前記区画に対する前記部屋の種別を識別する部屋識別部
とを備えることを特徴とする請求項３に記載の情報処理装置。 The room identification unit
a section identification unit that identifies an area enclosed by the boundary line as a section of space separated from the inside of the building based on the boundary line;
The label and color information included in the evaluation basic building drawing including the evaluation basic building component and the evaluation basic building equipment and the evaluation basic building information are applied to each pixel of the corresponding section, and the most 4. The information processing apparatus according to claim 3 , further comprising a room identification unit that identifies the type of the room for the section by employing information about the labels and the colors of many types. 前記評価基礎建物図面および前記評価基礎建物情報、前記部屋特定部によって取得した前記部屋の詳細情報および前記壁特定部によって取得した前記壁の詳細情報に基づいて、評価建物図面および評価建物情報を取得する評価情報取得部を更に備えることを特徴とする請求項４に記載の情報処理装置。 Obtaining an evaluation building drawing and evaluation building information based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room obtained by the room identification unit, and the detailed information of the wall obtained by the wall identification unit 5. The information processing apparatus according to claim 4 , further comprising an evaluation information obtaining unit for obtaining the evaluation information. 少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、前記建物構成要素および前記建築設備に関する詳細情報である建物情報とを読み込む読み込みステップと、
前記建物図面が備える建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、前記加工に関する情報を建物情報に加える加工ステップと、
前記加工ステップにより、前記建物図面および前記建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、前記加工建物構成要素および前記加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データ取得ステップと、
前記建物図面および前記建物情報を備える入力データが入力されると、前記教師データに基づいて、前記加工建物図面および前記加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに前記加工建物図面が備える前記加工建物構成要素および前記加工建築設備とそれぞれ同一の前記評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデルに、前記建物図面と前記建物情報とを入力し、前記評価基礎建物図面および前記評価基礎建物情報と、前記評価基礎建物図面が備える前記評価基礎建物構成要素および前記評価基礎建築設備とを取得する評価基礎情報取得ステップと、
前記評価基礎建物図面および前記評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、前記情報によって構成される建物の輪郭を境界線として特定する境界特定ステップと、
前記境界線、前記評価基礎建物図面および前記評価基礎建物情報に基づいて、部屋の種類および前記部屋のサイズを含む前記部屋の詳細情報を特定する部屋特定ステップと、
前記境界特定ステップによって特定された前記境界線を、建築モジュールの矩形に沿って構成されるように前記境界線の位置を調整して移動させる補正をする補正ステップと、
前記補正ステップによって補正された境界線と、前記評価基礎建物図面および前記評価基礎建物情報とに基づいて、壁の種類および前記壁のサイズを含む前記壁の詳細情報を特定する壁特定ステップと、
前記評価基礎建物図面および前記評価基礎建物情報、前記部屋特定ステップによって取得した前記部屋の詳細情報および前記壁特定ステップによって取得した前記壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する出力ステップ
とを含むことを特徴とする情報処理方法。 a reading step of reading a building drawing comprising at least one of building components and building equipment, and building information, which is detailed information about said building components and said building equipment;
a processing step of labeling and coloring the building components and building equipment included in the building drawing, and adding information about the processing to the building information;
a processed building drawing including at least one of processed building components and/or processed building equipment processed based on the building drawing and the building information in the processing step; and details regarding the processed building components and the processed building equipment. a teaching data acquisition step of acquiring processed building information, which is information, as teaching data;
when the input data including the building drawing and the building information is input, outputting the same evaluation basic building drawing and evaluation basic building information as the processed building drawing and the processed building information, respectively, based on the training data; Furthermore, a learning model that outputs the evaluation basic building component elements and the evaluation basic building equipment included in the evaluation basic building drawing that are the same as the processed building component elements and the processed building equipment included in the processed building drawing, respectively, is provided with the building drawing and the an evaluation basic information obtaining step of inputting building information and obtaining the evaluation basic building drawing and the evaluation basic building information, and the evaluation basic building components and the evaluation basic building equipment included in the evaluation basic building drawing;
a boundary identifying step of extracting information about outer walls, inner walls, and wall thicknesses from the evaluation basic building drawing and the evaluation basic building information, and identifying the outline of the building formed by the information as a boundary line;
a room identification step of identifying detailed information of the room including the room type and the size of the room based on the boundary line, the basic building drawing for evaluation, and the basic building information for evaluation;
a correction step of adjusting and moving the position of the boundary identified by the boundary identifying step so that the boundary is configured along the rectangle of the building module;
a wall identifying step of identifying detailed information about the wall, including the type of wall and the size of the wall, based on the boundary line corrected by the correcting step, the basic building drawing for evaluation, and the basic building information for evaluation;
Evaluation data necessary for house evaluation is output based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room acquired by the room specifying step, and the detailed information of the wall acquired by the wall specifying step. An information processing method characterized by comprising an output step of: 前記境界特定ステップは、
前記評価基礎建物図面および前記評価基礎建物情報に基づいて、前記壁の構成を前記壁の輪郭として抽出する壁輪郭抽出ステップと、
前記輪郭を線分により構成された図面に変換し、線分建物図面および線分建物情報を取得する線分変換ステップと、
前記線分建物図面を直交座標系に適用し、連続した複数の前記外壁の線分のベクトル方向が同一になるよう複数の前記外壁の線分に対してベクトル情報を付与し、前記外壁に該当する前記線分のベクトル情報および前記評価基礎建物情報が備える前記壁厚から前記内壁を線分として抽出する壁抽出ステップと、
前記壁抽出ステップが抽出した前記内壁の線分に前記外壁の線分とは逆方向のベクトル情報を付与し、前記外壁のベクトル情報、前記内壁のベクトル情報および前記壁厚から、前記外壁および内壁に挟まれた前記壁厚の中央の線分である境界線を特定し、前記境界線によって構成された構成図面を決定する境界決定ステップ
とを含むことを特徴とする請求項６に記載の情報処理方法。 The boundary identification step includes:
a wall contour extraction step of extracting the configuration of the wall as the wall contour based on the evaluation basic building drawing and the evaluation basic building information;
a line segment conversion step of converting the outline into a drawing composed of line segments and obtaining a line segment building drawing and line segment building information;
Applying the line segment building drawing to an orthogonal coordinate system, giving vector information to a plurality of line segments of the outer wall so that the vector direction of the continuous line segments of the outer wall is the same, and corresponding to the outer wall a wall extraction step of extracting the inner wall as a line segment from the vector information of the line segment and the wall thickness included in the evaluation basic building information;
vector information in a direction opposite to the line segment of the outer wall extracted in the wall extracting step is added to the line segment of the outer wall; 7. The information according to claim 6 , comprising a boundary determination step of specifying a boundary line that is a line segment in the middle of the wall thickness sandwiched between and determining a configuration drawing configured by the boundary line. Processing method. 前記部屋特定ステップは、
前記境界線に基づいて、前記境界線によって閉じられた領域を、建物内部の隔てられた空間の区画として特定する区画特定ステップと、
前記評価基礎建物構成要素および前記評価基礎建築設備を備える前記評価基礎建物図面および前記評価基礎建物情報が有するラベルおよび色に関する情報を、対応する前記区画の画素ごとに適用し、前記区画内で最も多い種類の前記ラベルおよび前記色に関する情報を採用することで、前記区画に対する前記部屋の種別を識別する部屋識別部ステップ
とを含むことを特徴とする請求項７に記載の情報処理方法。 The room identification step includes:
a section identification step of identifying a region enclosed by the boundary line as a section of space separated from the inside of the building based on the boundary line;
The label and color information included in the evaluation basic building drawing including the evaluation basic building component and the evaluation basic building equipment and the evaluation basic building information are applied to each pixel of the corresponding section, and the most 8. The information processing method according to claim 7 , further comprising a room identification unit step of identifying the type of the room for the partition by employing information about the labels and the colors of many types. 前記評価基礎建物図面および前記評価基礎建物情報、前記部屋特定ステップによって取得した前記部屋の詳細情報および前記壁特定ステップによって取得した前記壁の詳細情報に基づいて、評価建物図面および評価建物情報を取得する評価情報取得ステップを更に含むことを特徴とする請求項６に記載の情報処理方法。 An evaluation building drawing and evaluation building information are obtained based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room obtained by the room identification step, and the detailed information of the wall obtained by the wall identification step. 7. The information processing method according to claim 6 , further comprising an evaluation information acquisition step. 少なくとも建物構成要素および建築設備のいずれかを備える建物図面と、前記建物構成要素および前記建築設備に関する詳細情報である建物情報とを読み込む読み込みステップと、
前記建物図面が備える建物構成要素および建築設備に対してラベル付けおよび着色を行う加工を施し、前記加工に関する情報を建物情報に加える加工ステップと、
前記加工ステップにより、前記建物図面および前記建物情報に基づいてそれぞれ加工された加工建物構成要素および加工建築設備の少なくともいずれかを備える加工建物図面と、前記加工建物構成要素および前記加工建築設備に関する詳細情報である加工建物情報とを教師データとして取得する教師データ取得ステップと、
前記建物図面および前記建物情報を備える入力データが入力されると、前記教師データに基づいて、前記加工建物図面および前記加工建物情報とそれぞれ同一の評価基礎建物図面および評価基礎建物情報を出力し、さらに前記加工建物図面が備える前記加工建物構成要素および前記加工建築設備とそれぞれ同一の前記評価基礎建物図面が備える評価基礎建物構成要素および評価基礎建築設備を出力する学習モデルに、前記建物図面と前記建物情報とを入力し、前記評価基礎建物図面および前記評価基礎建物情報と、前記評価基礎建物図面が備える前記評価基礎建物構成要素および前記評価基礎建築設備とを取得する評価基礎情報取得ステップと、
前記評価基礎建物図面および前記評価基礎建物情報から外壁、内壁および壁厚に関する情報を抽出し、前記情報によって構成される建物の輪郭を境界線として特定する境界特定ステップと、
前記境界線、前記評価基礎建物図面および前記評価基礎建物情報に基づいて、部屋の種類および前記部屋のサイズを含む前記部屋の詳細情報を特定する部屋特定ステップと、
前記境界特定ステップによって特定された前記境界線を、建築モジュールの矩形に沿って構成されるように前記境界線の位置を調整して移動させる補正をする補正ステップと、
前記補正ステップによって補正された境界線と、前記評価基礎建物図面および前記評価基礎建物情報とに基づいて、壁の種類および前記壁のサイズを含む前記壁の詳細情報を特定する壁特定ステップと、
前記評価基礎建物図面および前記評価基礎建物情報、前記部屋特定ステップによって取得した前記部屋の詳細情報および前記壁特定ステップによって取得した前記壁の詳細情報に基づいて、家屋評価に必要な評価データを出力する出力ステップ
とを含む処理をコンピュータに実行させることを特徴とするコンピュータプログラム。 a reading step of reading a building drawing comprising at least one of building components and building equipment, and building information, which is detailed information about said building components and said building equipment;
a processing step of labeling and coloring the building components and building equipment included in the building drawing, and adding information about the processing to the building information;
a processed building drawing including at least one of processed building components and/or processed building equipment processed based on the building drawing and the building information in the processing step; and details regarding the processed building components and the processed building equipment. a teaching data acquisition step of acquiring processed building information, which is information, as teaching data;
when the input data including the building drawing and the building information is input, outputting the same evaluation basic building drawing and evaluation basic building information as the processed building drawing and the processed building information, respectively, based on the training data; Furthermore, a learning model that outputs the evaluation basic building component elements and the evaluation basic building equipment included in the evaluation basic building drawing that are the same as the processed building component elements and the processed building equipment included in the processed building drawing, respectively, is provided with the building drawing and the an evaluation basic information obtaining step of inputting building information and obtaining the evaluation basic building drawing and the evaluation basic building information, and the evaluation basic building components and the evaluation basic building equipment included in the evaluation basic building drawing;
a boundary identifying step of extracting information about outer walls, inner walls, and wall thicknesses from the evaluation basic building drawing and the evaluation basic building information, and identifying the outline of the building formed by the information as a boundary line;
a room identification step of identifying detailed information of the room including the room type and the size of the room based on the boundary line, the basic building drawing for evaluation, and the basic building information for evaluation;
a correction step of adjusting and moving the position of the boundary identified by the boundary identifying step so that the boundary is configured along the rectangle of the building module;
a wall identifying step of identifying detailed information about the wall, including the type of wall and the size of the wall, based on the boundary line corrected by the correcting step, the basic building drawing for evaluation, and the basic building information for evaluation;
Evaluation data necessary for house evaluation is output based on the evaluation basic building drawing and the evaluation basic building information, the detailed information of the room acquired by the room specifying step, and the detailed information of the wall acquired by the wall specifying step. A computer program characterized by causing a computer to execute processing including an output step of:
JP2022078745A 2022-05-12 2022-05-12 LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM Active JP7160295B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022078745A JP7160295B1 (en) 2022-05-12 2022-05-12 LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM
JP2022145236A JP7230288B1 (en) 2022-05-12 2022-09-13 learning model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022078745A JP7160295B1 (en) 2022-05-12 2022-05-12 LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2022145236A Division JP7230288B1 (en) 2022-05-12 2022-09-13 learning model

Publications (2)

Publication Number Publication Date
JP7160295B1 true JP7160295B1 (en) 2022-10-25
JP2023167502A JP2023167502A (en) 2023-11-24

Family

ID=83742519

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022078745A Active JP7160295B1 (en) 2022-05-12 2022-05-12 LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM

Country Status (1)

Country Link
JP (1) JP7160295B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011543A (en) * 2023-10-08 2023-11-07 杭州筑峰科技有限公司 Drawing identification method based on section bar

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019179538A (en) 2018-03-30 2019-10-17 大和ハウス工業株式会社 Prediction method for predicting construction price of building and prediction method for predicting its construction period
JP2021092975A (en) 2019-12-10 2021-06-17 株式会社Ｖａｍｏｓ Inference system, inference method, inference program, and data structure
JP2021174267A (en) 2020-04-25 2021-11-01 Ａｓｓｅｓｔ株式会社 Building pricing program
JP2022037928A (en) 2020-08-25 2022-03-09 Ｇａｔｅｓ株式会社 Data processing apparatus, data processing method, and program

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019179538A (en) 2018-03-30 2019-10-17 大和ハウス工業株式会社 Prediction method for predicting construction price of building and prediction method for predicting its construction period
JP2021092975A (en) 2019-12-10 2021-06-17 株式会社Ｖａｍｏｓ Inference system, inference method, inference program, and data structure
JP2021174267A (en) 2020-04-25 2021-11-01 Ａｓｓｅｓｔ株式会社 Building pricing program
JP2022037928A (en) 2020-08-25 2022-03-09 Ｇａｔｅｓ株式会社 Data processing apparatus, data processing method, and program

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117011543A (en) * 2023-10-08 2023-11-07 杭州筑峰科技有限公司 Drawing identification method based on section bar
CN117011543B (en) * 2023-10-08 2024-01-12 杭州筑峰科技有限公司 Drawing identification method based on section bar

Also Published As

Publication number Publication date
JP2023167502A (en) 2023-11-24

Similar Documents

Publication Publication Date Title
Hu et al. Graph2plan: Learning floorplan generation from layout graphs
Roh et al. An object-based 3D walk-through model for interior construction progress monitoring
Labetski et al. 3D building metrics for urban morphology
Qian et al. A self‐sparse generative adversarial network for autonomous early‐stage design of architectural sketches
WO2023124160A1 (en) Method, system and apparatus for automatically generating three-dimensional house layout, and medium
JP7230288B1 (en) learning model
Lee et al. Grammatical and Syntactical Approaches in Architecture: Emerging Research and Opportunities: Emerging Research and Opportunities
JP7160295B1 (en) LEARNING MODEL GENERATION METHOD, INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, COMPUTER PROGRAM
Liu An adaptive process of reverse engineering from point clouds to CAD models
RU2718362C1 (en) System of automated virtual designing of clothes for users and method of its implementation
CN113989680A (en) Automatic building three-dimensional scene construction method and system
CN114359506A (en) Method and device for comparing house types and analyzing house type comparison results
Shnaidman et al. Genetic algorithms: a stochastic approach for improving the current cadastre accuracies
Xiong Reconstructing and correcting 3d building models using roof topology graphs
Park et al. Development of an AI advisor for conceptual land use planning
Ermolenko Algorithm-aided Information Design: Hybrid Design approach on the edge of Associative Methodologies in AEC
Liu et al. Intelligent floor plan design of modular high-rise residential building based on graph-constrained generative adversarial networks
Moradi et al. Revealing connectivity in residential Architecture: An algorithmic approach to extracting adjacency matrices from floor plans
Assem A GIS-BASED AUTOMATED ARCHITECTURAL SPATIAL ANALYSIS AND REPRESENTATION IN THE CONCEPTUAL DESIGN PHASE.
JP7502702B2 (en) Information processing device, information processing system, information processing method, and computer program
CN117830034B (en) BIM automatic optimization and display method, BIM automatic optimization and display device, computer equipment and storage medium
US20240028787A1 (en) Techniques for design space exploration in a multi-user collaboration system
WO2024069268A1 (en) Intelligent platform for designing and drawing construction plans based on data mining and artificial intelligence
Yu et al. Research on University Product System under Computer Science Aided Operation
Pizarro Riffo Wall polygon retrieval from architectural floor plan images using vectorización and Deep Learning methods

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220516

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220516

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220913

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220916

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20221004

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221004

R150 Certificate of patent or registration of utility model

Ref document number: 7160295

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150