JP7267523B1 - 詳細図切出システム、詳細図切出方法及びプログラム - Google Patents
詳細図切出システム、詳細図切出方法及びプログラム Download PDFInfo
- Publication number
- JP7267523B1 JP7267523B1 JP2023516274A JP2023516274A JP7267523B1 JP 7267523 B1 JP7267523 B1 JP 7267523B1 JP 2023516274 A JP2023516274 A JP 2023516274A JP 2023516274 A JP2023516274 A JP 2023516274A JP 7267523 B1 JP7267523 B1 JP 7267523B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- detailed
- region
- cut
- 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
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims description 62
- 230000008859 change Effects 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 30
- 210000003205 muscle Anatomy 0.000 claims description 18
- 238000007405 data analysis Methods 0.000 claims description 7
- 210000003489 abdominal muscle Anatomy 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 45
- 238000012545 processing Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000009435 building construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
例えば、特許文献1では、一の建築物に対して作成される建物構造図をパーツとして構成し、作図に不慣れな者でも平面図、基礎伏図、土台伏図、床伏図等を矛盾なく作成することができる建物構造図作成システムが開示されている。
また、他には、特許文献2では、施主が住宅の建物構造図を閲覧する端末に、3次元仮想空間で内部を表示し、視点位置や視線方向を施主の端末で切り替えて表示することが可能な住宅設計システムが開示されている。
そのため、自動で詳細図の一部を切り出す技術が求められている。
しかしながら、特許文献1及び2に記載されたシステムでは、自動で詳細図の一部を切り出すことが出来なかった。
そこで、本発明者は、自動で詳細図の一部を切り出す仕組みに着目した。
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する取得部と、
取得した前記アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習する学習部と、
学習結果に基づいて、学習済モデルを生成するモデル生成部と、
新たな詳細図に対して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出す切出部と、
を備える詳細図切出システムを提供する。
図1は、詳細図切出システム1の概要を説明するための模式図である。
詳細図切出システム1は、サーバ機能を有するコンピュータ10が、建物構造図の詳細図に対して、所定の領域を切り出す処理を実現する。
詳細図切出システム1は、少なくともサーバ機能を有するコンピュータ10を備えるシステムであれば良い。このコンピュータ10は、例えば、1台のコンピュータで実現されても良いし、クラウドコンピュータのように、複数のコンピュータで実現されても良い。
本明細書におけるクラウドコンピュータとは、ある特定の機能を果たす際に、任意のコンピュータをスケーラブルに用いるものや、あるシステムを実現するために複数の機能モジュールを含み、その機能を自由に組み合わせて用いるものの何れであっても良い。
本明細書において、詳細図切出システム1は、コンピュータ10に加え、学習用のアノテーションデータを設定する学習用端末20、建設現場において作業を行う作業者が管理する作業者端末30により構成される。
詳細図切出システム1を構成する端末や装置類等は、あくまでも一例であり、コンピュータ10を除く各端末については、その数、種類及び機能については、適宜変更可能である。
コンピュータ10は、アノテーションデータを、学習用端末20から取得する。
学習用端末20は、自身を管理する管理者等からの入力を受け付け、詳細図に対して、第1領域を設定する。学習用端末20は、設定した第1領域を第1切出データとして切り出し、この第1切出データをアノテーションデータとして、コンピュータ10に送信する。
コンピュータ10は、このアノテーションデータを受信し、詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する。
学習方法は、例えば、教師あり学習、教師なし学習、強化学習等による機械学習や、畳み込みニューラルネットワーク、再起型ニューラルネットワーク、長・短期記憶等によるディープラーニング等であり、コンピュータ10は、アノテーションデータを教師データとする教師あり学習を行い、詳細図と、第1領域とを対応付けて学習する。
コンピュータ10は、線形回帰、ランダムフォレスト、決定木、k近傍法の機械学習に用いられる一般的なアルゴリズムを用いて、学習済モデルを生成する。
コンピュータ10は、作業者端末30等から、新たな詳細図を取得し、この新たな詳細図に対して、生成した学習済モデルに基づいた第2領域を設定し、設定した第2領域を第2切出データとして切り出す。
本詳細図切出システム1によれば、作業効率の向上を図ることが可能となる。
図2は、詳細図切出システム1の構成を示すブロック図である。詳細図切出システム1は、建物構造図の詳細図に対して、所定の領域を切り出すシステムであり、少なくともコンピュータ10から構成される。本実施形態では、詳細図切出システム1は、更に、学習用のアノテーションデータを設定する学習用端末20、建設現場において作業を行う作業者が管理する作業者端末30を備える。
詳細図切出システム1は、コンピュータ10と、学習用端末20及び作業者端末30とが、公衆回線網等のネットワーク5等を介して、データ通信可能に接続されたシステムである。
なお、詳細図切出システム1を構成する端末や装置類等は、あくまでも一例であり、コンピュータ10を除く各端末については、その数、種類及び機能については、適宜変更可能である。
コンピュータ10は、制御部として、CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、RAM(Random Access Memory)、ROM(Read Only Memory)等を備え、通信部として、他の端末や装置等と通信可能にするためのデバイス、詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する取得部11等を備える。
コンピュータ10は、記憶部として、ハードディスクや半導体メモリ、記憶媒体、メモリカード等によるデータのストレージ部等を備える。
コンピュータ10は、処理部として、各種処理を実行する各種デバイス、アノテーションデータを教師データとして、詳細図と、第1領域とを対応付けて学習する学習部12、学習結果に基づいて、学習済モデルを生成するモデル生成部13、新たな詳細図に対して、生成した学習済モデルに基づいた第2領域を、第2切出データとして切り出す切出部14等を備える。
また、コンピュータ10において、制御部が所定のプログラムを読み込むことにより、記憶部と協働して、学習済モデル記憶モジュールを実現する。
また、コンピュータ10において、制御部が所定のプログラムを読み込むことにより、処理部と協働して、第1識別モジュール、学習モジュール、学習済モデル生成モジュール、第2識別モジュール、切出モジュール、付与モジュール、第3識別モジュール、一覧生成モジュールを実現する。
学習用端末20及び作業者端末30の各々は、端末制御部として、CPU、GPU、RAM、ROM等を備え、通信部として、他の端末や装置等と通信可能にするためのデバイス等を備え、入出力部として、各種情報の入出力を実行するためのデバイス等を備える。
本明細書において、各モジュールは、その処理内容を、自身が有する機能として実行するものであっても良いし、所定のアプリケーションを介して実行するものであっても良い。
図3に基づいて、コンピュータ10が実行する学習処理について説明する。同図は、コンピュータ10が実行する学習処理のフローチャートを示す図である。本学習処理は、上述した詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する取得処理(ステップS1)、取得したアノテーションデータを教師データとして、詳細図と、第1領域とを対応付けて学習する学習処理(ステップS2)、学習結果に基づいて、学習済モデルを生成するモデル生成処理(ステップS3)の詳細である。
学習用端末20は、自身を管理する管理者等からの入力を受け付け、詳細図に対して、第1領域を設定する。学習用端末20は、詳細図における必要とする領域に対して、囲み線(例えば、矩形、円形、多角形)の入力を、管理者等から受け付ける。学習用端末20は、受け付けた囲み線に囲まれた領域を、この詳細図における第1領域に設定する(図4参照)。
図4に基づいて、第1領域について説明する。同図は、学習用端末20が設定した第1領域の一例を模式的に示した図である。
学習用端末20は、詳細図40に対する囲み線41の入力を受け付ける。囲み線41は、実線の矩形として図示されている。学習用端末20は、この囲み線41に囲まれた領域を、第1領域42に設定する。
学習用端末20は、設定した第1領域42を、詳細図40から切り出し、第1切出データを生成する(図5参照)。
図5に基づいて、第1切出データについて説明する。同図は、学習用端末20が切り出した第1切出データの一例を模式的に示した図である。
学習用端末20は、詳細図40から、第1領域42を切り出す。このとき、学習用端末20は、囲み線41に沿って、第1領域42を切り出すものであっても良いし、囲み線41の外周又は内周に沿って、第1領域42を切り出すものであっても良い。すなわち、学習用端末20は、第1領域42を切り出す際、囲み線41を残さないように第1領域42を切り出しても良いし、囲み線41を残すように第1領域42を切り出しても良い。学習用端末20は、第1領域42を切り出すことにより、第1切出データ50を生成する。
学習用端末20は、この第1切出データ50を、アノテーションデータとしてコンピュータ10に送信する。
アノテーションデータ取得モジュールは、この第1切出データ50を受信し、詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する。
また、学習用端末20が入力を受け付ける囲み線は、一つの詳細図に対して一つのみであっても良いし、複数であっても良い。
また、学習用端末20は、詳細図の種類や所定の条件(例えば、建設現場の内容、発注者、受注者、作業者、構造物)等に応じて、注目度を変更した囲み線を用いても良い。注目度の変更とは、例えば、線の種類(例えば、実線、破線、点線、一点鎖線)や太さの変更、色分け、アイコン(例えば、ピン、マーク、文字列、記号)の付与、強調表示を行うことを意図するものである。
また、囲み線の種類は、上述した例に限定されるものではない。
第1識別モジュールは、取得したアノテーションデータに含まれる各構造物を識別する(ステップS11)。
第1識別モジュールは、取得したアノテーションデータをデータ解析し、第1領域に含まれる各構造物の詳細を識別する。この構造物の詳細は、例えば、階、識別符号、位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ、腹筋である。第1識別モジュールは、アノテーションデータにおける各構造物の詳細を、各々識別する。上述した第1切出データ50において、第1識別モジュールは、R階、5階及び4階の、識別符号G1、G2及びG3の位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ及び腹筋を識別する。なお、第1識別モジュールは、囲み線41で隠された箇所に存在するデータについては、その詳細を識別するかどうかは、適宜変更可能である。また、第1識別モジュールは、識別符号G3のように、第1領域42内にその全てが存在しないものについては、囲み線41の内側に存在するもののみを識別すれば良い。
第1識別モジュールは、この各構造物の詳細を識別し、取得したアノテーションデータに含まれる各構造物を識別する。
学習モジュールは、上述した通り、学習方法として、教師あり学習、教師なし学習、強化学習等による機械学習や、畳み込みニューラルネットワーク、再起型ニューラルネットワーク、長・短期記憶等によるディープラーニング等を実行する。本実施形態では、学習モジュールが実行する学習方法は、上述した通り、教師あり学習による機械学習を例として説明する。
学習モジュールは、識別した詳細図の詳細の内、識別符号と、第1領域とを教師データとして、このアノテーションデータにおける詳細図と、第1領域とを対応付けて学習する。
学習済モデル生成モジュールは、線形回帰、ランダムフォレスト、決定木、k近傍法等の機械学習に用いられる一般的なアルゴリズムを用いて、この学習済モデルを生成する。学習済モデル生成モジュールが用いるアルゴリズムは、特に限定されるものではなく、適宜、適当なものを用いればよい。
コンピュータ10は、学習処理により作成した学習済モデルを用いて、後述する処理を実行する。
図6に基づいて、コンピュータ10が実行する切出処理について説明する。同図は、コンピュータ10が実行する切出処理のフローチャートを示す図である。本切出処理は、上述した新たな詳細図に対して、生成した学習済モデルに基づいた第2領域を、第2切出データとして切り出す切出処理(ステップS4)の詳細である。
本切出処理は、上述した学習処理により作成した学習済モデルを用いる処理である。
詳細図取得モジュールは、作業者端末30から、所定の領域を切り出すための新たな詳細図を取得する。
作業者端末30は、予め自身が記憶する詳細図、自身が有する撮影装置等により撮影した詳細図、又は、他のコンピュータ等から取得した詳細図等の詳細図を、コンピュータ10に送信する。
詳細図取得モジュールは、この詳細図を受信することにより、新たな詳細図を取得する。
なお、詳細図取得モジュールは、作業者端末30以外の端末等から、この詳細図を取得するものであっても良いし、予め自身が記憶した詳細図を用いても良いし、それ以外の方法により詳細図を取得しても良い。
第2識別モジュールは、取得した詳細図をデータ解析し、詳細図に含まれる各構造物の詳細を識別する。構造物の詳細は、上述した第1領域に含まれる構造物の詳細と同様に、例えば、階、識別符号、位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ、腹筋である。第2識別モジュールは、詳細図における各構造物の詳細を、各々識別する。第2識別モジュールは、取得した詳細図に含まれる全ての構造物の詳細を識別する。
第2識別モジュールは、この各構造物の詳細を識別し、取得した新たな詳細図に含まれる各構造物を識別する。
切出モジュールは、学習済モデルを参照し、識別した詳細図の各構造物の詳細に基づいて、切出を行う第2領域を設定する。切出モジュールは、学習済モデルにおける各構造物の識別符号と合致又は近似する、今回識別した各構造物の識別符号を特定し、特定した各構造物が存在する領域を第2領域として設定する(図7参照)。
図7に基づいて、切出モジュールが設定する第2領域について説明する。同図は、切出モジュールが設定した第2領域の一例を模式的に示した図である。
切出モジュールは、詳細図60において、特定した各構造物が存在する領域を囲み線61(例えば、矩形、円形、多角形)で囲む。囲み線61は、実線の矩形として図示されている。切出モジュールは、囲み線61により囲まれた領域を、第2領域62に設定する。
切出モジュールは、設定した第2領域62を、詳細図60から切り出し、第2切出データを生成する(図8参照)。
図8に基づいて、第2切出データについて説明する。同図は、切出モジュールが切り出した第2切出データの一例を模式的に示した図である。
切出モジュールは、詳細図60から、第2領域62を切り出す。このとき、切出モジュールは、囲み線61に沿って、第2領域62を切り出すものであっても良いし、囲み線61の外周又は内周に沿って、第2領域62を切り出すものであっても良い。すなわち、切出モジュールは、第2領域62を切り出す際、囲み線61を残さないように第2領域62を切り出しても良いし、囲み線61を残すように第2領域62を切り出しても良い。切出モジュールは、第2領域62を切り出すことにより、第2切出データ70を生成する。
また、切出モジュールは、詳細図の種類や所定の条件(例えば、建設現場の内容、発注者、受注者、作業者、構造物)等に応じて、注目度を変更した囲み線を用いても良い。注目度の変更は、上述した例と同様に、例えば、線の種類(例えば、実線、破線、点線、一点鎖線)や太さの変更、色分け、アイコン(例えば、ピン、マーク、文字列、記号)の付与、強調表示を行うことを意図するものである。
また、囲み線の種類は、上述した例に限定されるものではない。
付与モジュールは、第2切出データにメタデータを付与する(ステップS23)。
付与モジュールは、第2切出データに、識別した各構造物の詳細の各々を、メタデータとして付与する。
なお、付与モジュールは、メタデータとして、構造物の詳細の全てを付与するものであっても良いし、その一部を付与するものであっても良いし、構造物毎に、異なる内容を付与するものであっても良いし、構造物の詳細以外のデータ(例えば、作成日時、作業者名、進捗状況等の管理データ)を含んだものを付与しても良い。
切出データ出力モジュールは、第2切出データを、作業者端末30に送信する。
作業者端末30は、この第2切出データを受信し、自身の表示部等に表示する。
切出データ出力モジュールは、第2切出データを、作業者端末30に表示させることにより、第2切出データを出力する。
なお、作業者端末30は、表示した第2切出データに対する入力を受け付けることにより、この第2切出データに付与されたメタデータを併せて表示するものであっても良い。
図9に基づいて、コンピュータ10が実行する再学習処理について説明する。同図は、コンピュータ10が実行する再学習処理のフローチャートを示す図である。
本再学習処理は、上述した学習処理により作成した学習済モデルと、切出処理により切り出された第2切出データとを用いる処理である。
なお、上述した処理と同様の処理については、その詳細な説明は省略する。
本処理における学習の方法は、上述した学習処理における学習の方法と同様であれば良い。
学習モジュールは、識別した詳細図の詳細の内、識別符号と、第2領域とを教師データとして、この第2切出データにおける詳細図と、第2領域とを対応付けて学習する。
学習済モデル生成モジュールは、上述した学習処理により生成し記憶した学習済モデルを、今回の学習結果を用いて更新する。
コンピュータ10は、次回以降、切出処理を実行する場合、再学習処理により更新した学習済モデルを用いて、その処理を実行する。
詳細図切出システム1は、再学習処理により、切出処理を実行する度、学習済モデルを更新するため、回数を重ねる程、第2領域の設定の精度の向上を図ることが可能となる。
図10に基づいて、コンピュータ10が実行する一覧生成処理について説明する。同図は、コンピュータ10が実行する一覧生成処理のフローチャートを示す図である。
本一覧生成処理は、上述した切出処理により切り出された第2切出データを用いる処理である。
なお、上述した処理と同様の処理については、その詳細な説明は省略する。
第3識別モジュールは、第2切出データを所定の項目(例えば、階、識別符号、位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ、腹筋)に基づいてデータ解析し、第2切出データに含まれる各構造物及び各構造物の詳細を識別する。第3識別モジュールは、第2切出データに含まれる全ての構造物を識別する。
なお、第3識別モジュールは、上述した切出処理においてこの第2切出データに付与したメタデータを用いる構成であっても良い。
一覧生成モジュールは、現場名、階、識別符号及び構造物の詳細を構造物毎にまとめたものを、識別した各構造物の一覧として生成する(図11参照)。
図11に基づいて、一覧生成モジュールが生成する一覧について説明する。同図は、一覧生成モジュールが生成する一覧の一例を模式的に示した図である。
一覧生成モジュールが生成する一覧80は、構造物毎に、現場名83、階84、識別符号85、構造物の詳細86をまとめたものである。本図において、構造物81は、現場名83として「デモ現場」が、階84として、「2F」が、識別符号85として、「B3A」が、構造物の詳細86として「識別符号、位置、断面の図形、断面寸法、上端筋、下端筋」が、各々示されている。また、構造物82においても同様に、現場名83として「デモ現場」が、階84として、「2F」が、識別符号85として、「B3B」が、構造物の詳細86として「識別符号、位置、断面の図形、断面寸法、上端筋、下端筋」が、各々示されている。一覧生成モジュールは、図示していない他の構造物についても、構造物毎に、現場名83、階84、識別符号85、構造物の詳細86をまとめたものを生成する。一覧生成モジュールは、各構造物の現場名83、階84、識別符号85、構造物の詳細86をまとめたものを、縦方向又は横方向に並べ、一覧80を生成する。
なお、一覧生成モジュールが生成する一覧は、図11で示したものに限定されるものではなく、一覧としてまとめる構造物に関する内容については、適宜変更可能である。また、各構造物に関する内容をまとめたものの並べ方についても同様に、適宜変更可能である。
一覧出力モジュールは、生成した一覧を出力する(ステップS42)。
一覧出力モジュールは、この一覧を、作業者端末30に送信する。
作業者端末30は、この一覧を受信し、自身の表示部等に表示する。
一覧出力モジュールは、一覧を、作業者端末30に表示させることにより、一覧を出力する。
なお、作業者端末30は、表示した一覧の各構造物に対する入力を受け付けることにより、入力を受け付けた構造物に関する内容の拡大表示、この構造物のメタデータの表示等を行うものであっても良い。
図12に基づいて、コンピュータ10が実行する変更処理について説明する。同図は、コンピュータ10が実行する変更処理のフローチャートを示す図である。
なお、上述した処理と同様の処理については、その詳細な説明は省略する。
作業者端末30は、上述した切出処理により自身に表示した第2切出データに対する変更の入力を受け付ける。作業者端末30が入力を受け付ける変更の内容は、第2領域の変更及びメタデータの変更である。作業者端末30は、囲み線の位置、サイズ、種類、又は数等の変更の入力を受け付ける。また、作業者端末30は、第2切出データに付与されたメタデータの変更の入力を受け付ける。
作業者端末30は、入力を受け付けた変更内容を、コンピュータ10に送信する。
変更受付モジュールは、この変更内容を受信し、第2切出データに対する変更の入力を受け付ける。
変更受付モジュールは、変更の入力を所定期間(例えば、第2切出データの出力後所定時間経過後)受け付けなかった場合や、作業者端末30から変更が不要であるとの入力を受け付けた場合等の場合、以降の処理を実行せず、本変更処理を終了する。
切出モジュールは、受け付けた変更内容に基づいて、元々の詳細図に設定された囲み線を変更し、新たな第2領域を設定する。切出モジュールは、新たに設定した第2領域を、詳細図から切り出し、第2切出データを生成する。
付与モジュールは、受け付けた変更内容に基づいて、元々の第2切出データに付与されたメタデータを変更し、新たなメタデータとして付与する。
ステップS53の処理は、上述したステップS24の処理と同様である。
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する取得部(例えば、取得部11、アノテーションデータ取得モジュール)と、
取得した前記アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習する学習部(例えば、学習部12、学習モジュール)と、
学習結果に基づいて、学習済モデルを生成するモデル生成部(例えば、モデル生成部13、学習済モデル生成モジュール)と、
新たな詳細図に対して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出す切出部(例えば、切出部14、切出モジュール)と、
を備える詳細図切出システム。
識別した前記各構造物の一覧を生成する一覧生成部と、
を更に備える(1)に記載の詳細図切出システム。
(1)に記載の詳細図切出システム。
を更に備え、
前記切出部は、受け付けた変更に基づいた第2切出データを再度切り出す、
(1)に記載の詳細図切出システム。
を更に備える(1)に記載の詳細図切出システム。
を更に備える(1)に記載の詳細図切出システム。
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得するステップ(例えば、ステップS10)と、
取得した前記アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習するステップ(例えば、ステップS12)と、
学習結果に基づいて、学習済モデルを生成するステップ(例えば、ステップS13)と、
新たな詳細図に対して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出すステップ(例えば、ステップS22)と、
を備える詳細図切出方法。
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得するステップ(例えば、ステップS10)、
取得した前記アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習するステップ(例えば、ステップS12)、
学習結果に基づいて、学習済モデルを生成するステップ(例えば、ステップS13)、
新たな詳細図に対して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出すステップ(例えば、ステップS22)、
を実行させるためのコンピュータ読み取り可能なプログラム。
5 ネットワーク
10 コンピュータ
11 取得部
12 学習部
13 モデル生成部
14 切出部
20 学習用端末
30 作業者端末
40,60 詳細図
41,61 囲み線
42 第1領域
50 第1切出データ
62 第2領域
70 第2切出データ
80 一覧
81,82 構造物
83 現場名
84 階
85 識別符号
86 構造物の詳細
Claims (7)
- 建物構造図の詳細図に対して、所定の領域を切り出す詳細図切出システムであって、
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得する取得部と、
取得した前記アノテーションデータをデータ解析し、前記第1領域に含まれる各構造物の詳細を識別し、当該アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習する学習部と、
学習結果に基づいて、学習済モデルを生成するモデル生成部と、
新たな詳細図に含まれる各構造物を識別して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出す切出部と、
階、識別符号、位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ、腹筋の何れかを含む所定の識別項目に基づいてデータ解析し、前記第2切出データに含まれる各構造物を識別する識別部と、
識別した前記各構造物の現場名、階、識別符号及び構造物の詳細を構造物毎にまとめた一覧を生成する一覧生成部と、
を備える詳細図切出システム。 - 前記学習部は、前記第2切出データを新たな教師データとして、前記新たな詳細図と、前記第2領域とを対応付けて再学習する、
請求項1に記載の詳細図切出システム。 - 前記第2切出データに対する変更の入力を受け付ける受付部と、
を更に備え、
前記切出部は、受け付けた変更に基づいた第2切出データを再度切り出す、
請求項1に記載の詳細図切出システム。 - 前記第2切出データに、メタデータを付与する付与部と、
を更に備える請求項1に記載の詳細図切出システム。 - 前記第2切出データを出力する出力部と、
を更に備える請求項1に記載の詳細図切出システム。 - 建物構造図の詳細図に対して、所定の領域を切り出すコンピュータが実行する詳細図切出方法であって、
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得するステップと、
取得した前記アノテーションデータをデータ解析し、前記第1領域に含まれる各構造物の詳細を識別し、当該アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習するステップと、
学習結果に基づいて、学習済モデルを生成するステップと、
新たな詳細図に含まれる各構造物を識別して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出すステップと、
階、識別符号、位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ、腹筋の何れかを含む所定の識別項目に基づいてデータ解析し、前記第2切出データに含まれる各構造物を識別するステップと、
識別した前記各構造物の現場名、階、識別符号及び構造物の詳細を構造物毎にまとめた一覧を生成するステップと、
を備える詳細図切出方法。 - 建物構造図の詳細図に対して、所定の領域を切り出すコンピュータに、
前記詳細図に設定された第1領域を第1切出データとして切り出したアノテーションデータを取得するステップ、
取得した前記アノテーションデータをデータ解析し、前記第1領域に含まれる各構造物の詳細を識別し、当該アノテーションデータを教師データとして、前記詳細図と、前記第1領域とを対応付けて学習するステップ、
学習結果に基づいて、学習済モデルを生成するステップ、
新たな詳細図に含まれる各構造物を識別して、生成した前記学習済モデルに基づいた第2領域を、第2切出データとして切り出すステップ、
階、識別符号、位置、断面の図形、断面寸法、上端筋、下端筋、スターラップ、腹筋の何れかを含む所定の識別項目に基づいてデータ解析し、前記第2切出データに含まれる各構造物を識別するステップ、
識別した前記各構造物の現場名、階、識別符号及び構造物の詳細を構造物毎にまとめた一覧を生成するステップ、
を実行させるためのコンピュータ読み取り可能なプログラム
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/019662 WO2023218502A1 (ja) | 2022-05-09 | 2022-05-09 | 詳細図切出システム、詳細図切出方法及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP7267523B1 true JP7267523B1 (ja) | 2023-05-01 |
JPWO2023218502A1 JPWO2023218502A1 (ja) | 2023-11-16 |
JPWO2023218502A5 JPWO2023218502A5 (ja) | 2024-04-18 |
Family
ID=86239432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023516274A Active JP7267523B1 (ja) | 2022-05-09 | 2022-05-09 | 詳細図切出システム、詳細図切出方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7267523B1 (ja) |
WO (1) | WO2023218502A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09128417A (ja) * | 1995-10-27 | 1997-05-16 | Ricoh Co Ltd | 建設図面認識方法及び認識装置 |
CN103625970A (zh) * | 2013-11-16 | 2014-03-12 | 大连恒大高新材料开发有限公司 | 一种恒张力容布装置 |
WO2020059706A1 (ja) * | 2018-09-20 | 2020-03-26 | 富士フイルム株式会社 | 学習用データ収集装置、学習用データ収集方法、及びプログラム |
JP2020046858A (ja) * | 2018-09-18 | 2020-03-26 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理方法、プログラム、および情報処理システム |
KR20210056717A (ko) * | 2019-11-11 | 2021-05-20 | 주식회사 케이티 | 건물의 공간 및 설비를 관리하는 서버, 방법 및 컴퓨터 프로그램 |
-
2022
- 2022-05-09 WO PCT/JP2022/019662 patent/WO2023218502A1/ja unknown
- 2022-05-09 JP JP2023516274A patent/JP7267523B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09128417A (ja) * | 1995-10-27 | 1997-05-16 | Ricoh Co Ltd | 建設図面認識方法及び認識装置 |
CN103625970A (zh) * | 2013-11-16 | 2014-03-12 | 大连恒大高新材料开发有限公司 | 一种恒张力容布装置 |
JP2020046858A (ja) * | 2018-09-18 | 2020-03-26 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理方法、プログラム、および情報処理システム |
WO2020059706A1 (ja) * | 2018-09-20 | 2020-03-26 | 富士フイルム株式会社 | 学習用データ収集装置、学習用データ収集方法、及びプログラム |
KR20210056717A (ko) * | 2019-11-11 | 2021-05-20 | 주식회사 케이티 | 건물의 공간 및 설비를 관리하는 서버, 방법 및 컴퓨터 프로그램 |
Also Published As
Publication number | Publication date |
---|---|
WO2023218502A1 (ja) | 2023-11-16 |
JPWO2023218502A1 (ja) | 2023-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260545B (zh) | 生成图像的方法和装置 | |
KR101992424B1 (ko) | 증강현실용 인공지능 캐릭터의 제작 장치 및 이를 이용한 서비스 시스템 | |
JP7159513B1 (ja) | アイコン配置システム、アイコン配置方法及びプログラム | |
CN109063662B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN104252359A (zh) | 与现场应用集成的演示文稿的系统和方法 | |
CN108292231A (zh) | 从数据生成应用 | |
CN104252442A (zh) | 与现场应用集成的演示文稿的系统和方法 | |
CN112052784B (zh) | 物品的搜索方法、装置、设备及计算机可读存储介质 | |
CN110837549B (zh) | 一种信息处理方法、装置及存储介质 | |
CN114332439A (zh) | 一种三维数据编辑生成系统 | |
JP7267523B1 (ja) | 詳細図切出システム、詳細図切出方法及びプログラム | |
CN115858049B (zh) | Rpa流程组件化编排方法、装置、设备和介质 | |
CN112732379A (zh) | 智能终端上应用程序的运行方法、终端和存储介质 | |
JP6447992B2 (ja) | 画像管理装置及びその制御方法 | |
JP7177964B1 (ja) | アイコン配置システム、アイコン配置方法及びプログラム | |
CN110046273B (zh) | 一种基于绘图的书籍查询推荐方法、电子设备及存储介质 | |
CN114443022A (zh) | 生成页面搭建区块的方法及电子设备 | |
CN111198926B (zh) | 业务办理管理方法、装置、电子设备及存储介质 | |
CN113641776A (zh) | 基于区块链业务空间编码展示的方法、系统及储存介质 | |
CN115220618A (zh) | 一种表单生成方法和装置 | |
JP2016143142A (ja) | 画像管理システム、画像管理装置、及びプログラム | |
CN114333024B (zh) | 基于对抗训练网络进行学生面部表情识别的方法、装置、设备及存储介质 | |
JP7304604B1 (ja) | 帳票のデータ入力を支援する方法 | |
JP7111309B2 (ja) | 情報処理装置、学習装置、認識装置、静止画の生産方法、およびプログラム | |
CN112286620B (zh) | 应用程序交互方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230310 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230310 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230310 |
|
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: 20230418 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7267523 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |