KR102655432B1 - Device and method for drawing object extraction using machine learning - Google Patents
Device and method for drawing object extraction using machine learning Download PDFInfo
- Publication number
- KR102655432B1 KR102655432B1 KR1020210118877A KR20210118877A KR102655432B1 KR 102655432 B1 KR102655432 B1 KR 102655432B1 KR 1020210118877 A KR1020210118877 A KR 1020210118877A KR 20210118877 A KR20210118877 A KR 20210118877A KR 102655432 B1 KR102655432 B1 KR 102655432B1
- Authority
- KR
- South Korea
- Prior art keywords
- drawing object
- extraction
- data
- extracted
- drawing data
- Prior art date
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 98
- 238000010801 machine learning Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title abstract description 11
- 238000009795 derivation Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Abstract
본 발명은 머신 러닝을 이용한 도면 객체 추출 장치 및 방법에 관한 것으로서, 도면이 포함하는 도면 객체들을 학습한 결과에 따라 사용자에게 도면 객체가 추출된 도면을 제공하는 기술에 관한 것이다.
본 발명의 일 측면에 따른 머신 러닝을 이용한 도면 객체 추출 방법은 수집한 도면 데이터가 포함하는 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체 추출 모델을 생성하는 단계; 상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출하는 단계; 및 상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공하는 단계;를 포함한다.The present invention relates to an apparatus and method for extracting drawing objects using machine learning, and to a technology for providing a drawing from which drawing objects are extracted to a user according to the results of learning the drawing objects included in the drawing.
A drawing object extraction method using machine learning according to an aspect of the present invention includes the steps of generating a drawing object extraction model based on the results of learning characteristics of drawing objects included in collected drawing data; Deriving a drawing object for drawing data that is the target of drawing object extraction work using the generated drawing object extraction model; and extracting the derived drawing object using the generated drawing object extraction model and providing drawing data from which the drawing object is extracted.
Description
본 발명은 머신 러닝을 이용한 도면 객체 추출 장치 및 방법에 관한 것으로서, 도면이 포함하는 도면 객체들을 학습한 결과에 따라 사용자에게 도면 객체가 추출된 도면을 제공하는 기술에 관한 것이다.The present invention relates to an apparatus and method for extracting drawing objects using machine learning, and to a technology for providing a drawing from which drawing objects are extracted to a user according to the results of learning the drawing objects included in the drawing.
실내 공간 데이터를 구축하거나 도면에 새로운 공간 데이터를 적용하기 위해서 순수한 공간 구조만을 포함하는 도면 데이터가 요구될 수 있다. 상술한 공간 구조만을 포함하는 도면 데이터를 획득하려면 먼저 평면도와 같은 도면을 수집하고, 작업자가 도면 편집 도구를 이용하여 수집한 도면을 직접 편집하는 수작업이 수행되어야 한다. 예를 들어, 작업자는 도면에 포함되어 있는 수치선, 문자 등 불필요한 도면 객체들을 일일이 제거해야 하므로 번거로운 문제가 있으며, 또한, 작업 소요 시간을 단축시키기도 어려운 문제도 있다.In order to construct indoor spatial data or apply new spatial data to a drawing, drawing data containing only a pure spatial structure may be required. To obtain drawing data containing only the above-described spatial structure, drawings such as floor plans must first be collected, and manual work must be performed in which workers directly edit the collected drawings using a drawing editing tool. For example, it is cumbersome because workers must manually remove unnecessary drawing objects such as numerical lines and text included in the drawing, and it is also difficult to shorten the work time.
본 발명은 상술한 문제점을 해결하기 위해 고안된 것으로서, 수집한 도면 데이터가 포함하는 도면 객체 중 제거 대상이 되는 도면 객체의 특징을 학습하여 모델을 생성하고, 생성된 모델을 이용하여 도면 객체를 추출함으로써 사용자의 요구에 부합하는 도면 데이터를 도출할 수 있는 머신 러닝을 이용한 도면 객체 추출 장치 및 방법을 제공하고자 한다.The present invention was designed to solve the above-mentioned problems, and creates a model by learning the characteristics of the drawing object to be removed among the drawing objects included in the collected drawing data, and extracts the drawing object using the generated model. We aim to provide a drawing object extraction device and method using machine learning that can derive drawing data that meets user needs.
본 발명의 일 측면에 따른 머신 러닝을 이용한 도면 객체 추출 방법은 수집한 도면 데이터가 포함하는 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체 추출 모델을 생성하는 단계; 상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출하는 단계; 및 상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공하는 단계;를 포함한다.A drawing object extraction method using machine learning according to an aspect of the present invention includes the steps of generating a drawing object extraction model based on the results of learning characteristics of drawing objects included in collected drawing data; Deriving a drawing object for drawing data that is the target of drawing object extraction work using the generated drawing object extraction model; and extracting the derived drawing object using the generated drawing object extraction model and providing drawing data from which the drawing object is extracted.
일 실시예에서, 상기 도면 객체 추출 모델을 생성하는 단계는 수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 되는 도면 객체에 대한 특징을 학습하는 단계;를 포함할 수 있다.In one embodiment, the step of generating the drawing object extraction model may include learning characteristics of a drawing object to be extracted among drawing objects included in the collected drawing data.
일 실시예에서, 상기 추출 대상이 되는 도면 객체에 대한 특징을 학습하는 단계는 문자, 워터 마크, 수치선 및 색상에 해당하는 도면 객체에 대한 특징을 학습하는 단계;를 포함할 수 있다.In one embodiment, the step of learning features of the drawing object to be extracted may include learning features of the drawing object corresponding to a character, watermark, numerical line, and color.
일 실시예에서, 상기 도면 객체를 도출하는 단계는 도면 데이터에 대해서 도출되는 도면 객체에 대한 정보를 사용자 단말로 제공하는 단계;를 포함할 수 있다.In one embodiment, the step of deriving the drawing object may include providing information about the drawing object derived from drawing data to the user terminal.
일 실시예에서, 상기 도면 객체를 도출하는 단계는 상기 도출된 도면 객체 중, 사용자 단말의 입력에 기초하여 선택되는 도면 객체를 추출하는 단계;를 포함할 수 있다.In one embodiment, the step of deriving the drawing object may include extracting a drawing object selected based on an input of a user terminal from among the derived drawing objects.
일 실시예에서, 상기 도면 객체를 도출하는 단계는 추출 대상이 되는 도면 객체에 대한 추출 레벨을 설정하는 단계;를 포함할 수 있다.In one embodiment, the step of deriving the drawing object may include setting an extraction level for the drawing object to be extracted.
일 실시예에서, 상기 도면 객체를 도출하는 단계는 사용자 단말의 입력에 기초하여 상기 추출 대상이 되는 도면 객체 각각에 대한 추출 레벨을 설정하는 단계;를 포함할 수 있다.In one embodiment, the step of deriving the drawing object may include setting an extraction level for each drawing object to be extracted based on an input from a user terminal.
일 실시예에서, 상기 도면 객체 추출 모델을 생성하는 단계는 수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 아닌 도면 객체에 대한 특징을 학습하는 단계;를 포함할 수 있다.In one embodiment, the step of generating the drawing object extraction model may include learning characteristics of drawing objects that are not to be extracted among drawing objects included in the collected drawing data.
일 실시예에서, 상기 도면 객체가 추출된 도면 데이터를 제공하는 단계는 추출 대상이 아닌 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체가 추출된 지점의 이미지 처리가 수행된 도면 데이터를 제공하는 단계;를 포함할 수 있다.In one embodiment, the step of providing drawing data from which the drawing object is extracted provides drawing data on which image processing has been performed at the point where the drawing object was extracted based on the results of learning the characteristics of the drawing object that is not the extraction target. It may include;
본 발명의 일 측면에 따른 머신 러닝을 이용한 도면 객체 추출 장치는 수집한 도면 데이터가 포함하는 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체 추출 모델을 생성하는 모델 생성부; 상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출하는 도면 객체 도출부; 및 상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공하는 도면 데이터 제공부;를 포함한다.A drawing object extraction device using machine learning according to an aspect of the present invention includes a model generator that generates a drawing object extraction model based on the results of learning characteristics of drawing objects included in collected drawing data; a drawing object derivation unit that derives a drawing object for drawing data that is the target of drawing object extraction work using the generated drawing object extraction model; and a drawing data provider that extracts the derived drawing object using the generated drawing object extraction model and provides drawing data from which the drawing object is extracted.
본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 장치 및 방법은 종래의 수작업으로 진행되는 도면 데이터 처리 작업을 자동화함과 동시에 도면 데이터 처리 속도를 대폭 향상시킬 수 있는 효과가 있다.The apparatus and method for extracting drawing objects using machine learning according to the present invention has the effect of automating drawing data processing tasks performed manually and at the same time significantly improving drawing data processing speed.
본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 장치 및 방법은 사용자가 요구하는 조건에 부합하는 데이터 처리가 이루어진 도면 데이터를 제공할 수 있는 효과가 있다.The apparatus and method for extracting drawing objects using machine learning according to the present invention are effective in providing drawing data that has undergone data processing that meets the conditions required by the user.
본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 장치 및 방법은 수집한 도면 데이터의 상태에 따라 도면 객체 추출 레벨을 설정할 수 있으므로, 용도에 따라 가장 적합한 도면 데이터를 도출할 수 있는 효과가 있다.The drawing object extraction device and method using machine learning according to the present invention can set the drawing object extraction level according to the state of the collected drawing data, so it has the effect of deriving the most appropriate drawing data according to the purpose.
도 1은 본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 시스템을 설명하기 위한 참조도이다.
도 2는 본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 장치의 구성을 나타내는 블록도이다.
도 3 내지 도 6은 본 발명의 일 실시예에 따른 도면 객체 추출 과정을 설명하기 위한 참조도이다.
도 7은 본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 방법을 설명하기 위한 흐름도이다.1 is a reference diagram for explaining a drawing object extraction system using machine learning according to the present invention.
Figure 2 is a block diagram showing the configuration of a drawing object extraction device using machine learning according to the present invention.
3 to 6 are reference diagrams for explaining a drawing object extraction process according to an embodiment of the present invention.
Figure 7 is a flowchart illustrating a drawing object extraction method using machine learning according to the present invention.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Since the present invention can be modified in various ways and can have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all transformations, equivalents, and substitutes included in the spirit and technical scope of the present invention. In describing the present invention, if it is determined that a detailed description of related known technologies may obscure the gist of the present invention, the detailed description will be omitted.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. Terms such as first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.The terms used in this application are only used to describe specific embodiments and are not intended to limit the invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
또한, 명세서에 기재된 "...부"의 용어는 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Additionally, the term "... unit" used in the specification refers to a unit that processes one or more functions or operations, and may be implemented as hardware, software, or a combination of hardware and software.
도 1은 본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 장치 (100)(이하, 도면 객체 추출 장치)를 포함하여 구성되는 머신 러닝을 이용한 도면 객체 추출 시스템을 설명하기 위한 참조도이다.Figure 1 is a reference diagram for explaining a drawing object extraction system using machine learning, which includes a drawing object extraction device 100 (hereinafter referred to as drawing object extraction device) using machine learning according to the present invention.
도 1을 참조하면, 머신 러닝을 이용한 도면 객체 추출 시스템은 이미지 공유 플랫폼 제공 장치(100), 데이터베이스(200) 및 사용자 단말(10)을 포함하여 구성될 수 있다. 여기에서, 도면 객체 추출 장치(100)는 사용자 단말(10)과 유/무선 네트워크를 통해 연결될 수 있다.Referring to FIG. 1, a drawing object extraction system using machine learning may be configured to include an image sharing platform providing device 100, a database 200, and a user terminal 10. Here, the drawing object extraction device 100 may be connected to the user terminal 10 through a wired/wireless network.
도면 객체 추출 장치(100)는 도면 객체 추출 기능을 제공하는 컴퓨팅 장치에 해당하며, 서버로 구현될 수 있다. 여기에서, 도면 객체 추출 장치(100)는 사용자 단말(10)과 네트워크를 통해 연결되어, 사용자 단말(10)로부터 추출 대상으로 선택된 도면 객체 및 도면 객체에 대한 추출 레벨 등의 정보를 수신하고, 수신된 정보에 기초하여 도면 객체가 추출된 도면 데이터를 제공할 수 있다. 또한, 도면 객체 추출 장치(100)는 데이터베이스(200)에 저장되는 도면 데이터를 이용한 기계 학습을 통해 도면 객체 추출 모델을 생성할 수 있으며, 이 때, 도면 객체 추출 모델은 데이터베이스(200)에 저장되는 도면 데이터 각각이 포함하는 도면 객체에 대한 특징을 학습한 결과에 따라 생성될 수 있다.The drawing object extraction device 100 corresponds to a computing device that provides a drawing object extraction function and may be implemented as a server. Here, the drawing object extraction device 100 is connected to the user terminal 10 through a network, and receives information such as a drawing object selected as an extraction target and an extraction level for the drawing object from the user terminal 10. Drawing data from which drawing objects are extracted based on the information can be provided. In addition, the drawing object extraction device 100 can generate a drawing object extraction model through machine learning using drawing data stored in the database 200. At this time, the drawing object extraction model is stored in the database 200. It can be generated according to the results of learning the characteristics of the drawing object included in each drawing data.
도 2는 본 발명에 따른 도면 객체 추출 장치(100)의 구성을 나타내는 블록도이다. 도 2를 참조하면, 도면 객체 추출 장치(100)는 모델 생성부(110), 도면 객체 도출부(120) 및 도면 데이터 제공부(130)를 포함하여 구성된다.Figure 2 is a block diagram showing the configuration of the drawing object extraction device 100 according to the present invention. Referring to FIG. 2, the drawing object extraction device 100 includes a model creation unit 110, a drawing object derivation unit 120, and a drawing data providing unit 130.
모델 생성부(110)는 수집한 도면 데이터가 포함하는 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체 추출 모델을 생성한다.The model generator 110 creates a drawing object extraction model based on the results of learning the characteristics of drawing objects included in the collected drawing data.
구체적으로, 모델 생성부(110)는 수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 되는 도면 객체에 대한 특징을 학습할 수 있다. 여기에서, 도면 객체 중 추출 대상의 되는 도면 객체는 도면에 부가된 정보를 포함하는 도면 객체를 의미할 수 있으며, 본 발명의 바람직한 실시예에 따르면 모델 생성부(110)는 문자, 워터 마크, 수치선 및 색상에 해당하는 도면 객체에 대한 특징을 학습하고, 이를 학습한 결과에 기초하여 도면 객체 추출 모델을 생성할 수 있다.Specifically, the model generator 110 may learn the characteristics of a drawing object to be extracted among drawing objects included in the collected drawing data. Here, the drawing object to be extracted among the drawing objects may mean a drawing object containing information added to the drawing, and according to a preferred embodiment of the present invention, the model generator 110 generates text, watermarks, and numbers. You can learn the characteristics of drawing objects corresponding to lines and colors, and create a drawing object extraction model based on the learning results.
또한, 모델 생성부(110)는 수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 아닌 도면 객체에 대한 특징을 학습할 수 있다. 상기 추출 대상이 아닌 도면 객체는 부가된 정보가 없는 상태인 순수 도면 데이터를 의미할 수 있으며, 이에 대한 특징을 학습한 결과에 기초하여 도면 객체 추출 모델이 추출 대상인 도면 객체가 추출된 후의 도면 이미지를 자연스럽게 처리하여 제공할 수 있도록 한다.Additionally, the model generator 110 may learn characteristics of drawing objects that are not subject to extraction among drawing objects included in the collected drawing data. The drawing object that is not the extraction target may mean pure drawing data without any added information, and based on the results of learning the characteristics thereof, the drawing object extraction model extracts the drawing image after the drawing object that is the extraction target is extracted. Process it naturally so that it can be provided.
도면 객체 도출부(120)는 상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출한다.The drawing object derivation unit 120 uses the generated drawing object extraction model to derive drawing objects for drawing data that are the target of drawing object extraction work.
여기에서, 도면 객체 추출 작업 대상이 되는 도면 데이터는 사용자 단말(10)로부터 전달되어 도면 객체 추출이 요청되는 도면 데이터를 의미할 수 있다. 본 발명의 바람직한 실시예에 따르면 도면 객체 도출부(120)는 도면 데이터에 대해서 도출되는 도면 객체에 대한 정보를 사용자 단말(10)로 제공할 수 있다. 예를 들어, 도면 객체 도출부(120)는 사용자 단말(10)로 도출된 도면 객체 정보를 제공하되, 도출된 각 도면 객체에 대한 목록을 제공하여 사용자가 선택하도록 할 수 있다. 구체적으로, 도출된 도면 객체가 문자 및 수치선을 포함하는 경우, 문자의 종류(숫자, 한글, 영문 대문자, 영문 소문자 등)를 세분화하여 목록으로 제공할 수 있으며, 수치선 또한 선택할 수 있는 옵션으로 제공하여 사용자가 추출할 도면 객체를 별도로 선택하도록 할 수 있다. 사용자가 사용자 단말(10)을 통해 제공되는 전체 선택 목록 중 일부 또는 전체를 선택하는 경우, 도면 객체 추출 장치(100)는 사용자 단말(10)에 의해 선택된 도면 객체만을 추출한 도면 데이터를 제공할 수 있다.Here, drawing data that is the subject of drawing object extraction work may mean drawing data transmitted from the user terminal 10 for which drawing object extraction is requested. According to a preferred embodiment of the present invention, the drawing object derivation unit 120 may provide information about drawing objects derived from drawing data to the user terminal 10. For example, the drawing object deriving unit 120 may provide derived drawing object information to the user terminal 10 and provide a list of each derived drawing object so that the user can select it. Specifically, if the derived drawing object includes text and numerical lines, the type of text (numbers, Korean, uppercase English letters, lowercase English letters, etc.) can be subdivided and provided as a list, and numerical lines can also be selected as an option. You can provide it so that the user can separately select the drawing object to be extracted. When the user selects part or all of the entire selection list provided through the user terminal 10, the drawing object extraction device 100 may provide drawing data extracted from only the drawing objects selected by the user terminal 10. .
도면 데이터 제공부(130)는 상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공한다.The drawing data provider 130 extracts the derived drawing object using the generated drawing object extraction model and provides drawing data from which the drawing object is extracted.
여기에서, 도면 데이터 제공부(130)는 상술한 바와 같이 도출된 도면 객체 중에서 사용자 단말(10)의 입력에 기초하여 선택되는 도면 객체를 추출할 수 있다. 또한, 상기 사용자에 의해 선택된 도면 객체를 추출한 후에는 추출 대상이 아닌 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체가 추출된 지점의 이미지 처리가 수행된 도면 데이터를 제공할 수 있다. 도면 객체가 추출된 지점의 이미지 처리가 수행된 도면 데이터는 초기 다양한 도면 객체가 부가되기 전의 순수한 도면 데이터와 거의 동등한 수준으로 복원된 도면 데이터를 의미할 수 있으며, 사용자는 이러한 이미지 처리가 수행된 도면 데이터를 제공받아 다양한 작업에 활용할 수 있게 된다.Here, the drawing data provider 130 may extract a drawing object selected based on the input of the user terminal 10 from among the drawing objects derived as described above. In addition, after extracting the drawing object selected by the user, drawing data that has undergone image processing of the point where the drawing object was extracted based on the results of learning the characteristics of the drawing object that is not the extraction target can be provided. Drawing data on which image processing has been performed at the point where drawing objects were extracted may mean drawing data restored to a level almost equivalent to the pure drawing data before various initial drawing objects were added, and the user may refer to drawing data on which such image processing has been performed. Data can be provided and used for various tasks.
또한, 도면 데이터 제공부(130)는 추출 대상이 되는 도면 객체에 대한 추출 레벨을 설정할 수 있다. 이 때, 본 발명의 바람직한 실시예에 따르면 도면 데이터 제공부(130)는 사용자 단말(10)의 입력에 기초하여 상기 추출 대상이 되는 도면 객체 각각에 대한 추출 레벨을 설정할 수 있다. 여기에서, 추출 레벨은 해당 도면 객체에 대한 추출을 어느 정도 비중으로 할 것인지 정하기 위한 기준을 의미할 수 있으며, 예를 들어, 추출 대상인 제1 도면 객체의 추출 레벨을 50%로 설정하고, 다른 추출 대상인 제2 도면 객체의 추출 레벨은 70%로 설정하는 경우, 제1 도면 객체의 50% 및 제2 도면 객체의 30%는 도면 데이터에 잔존하게 된다. 상기 예와 같이 사용자는 사용자 단말(10)의 입력을 통해 추출 대상인 도면 객체 각각에 대한 추출 레벨을 설정할 수 있으며, 이에 따라 도면 객체 추출 장치(100)는 사용자에게 요구되는 가장 적합한 도면 데이터를 생성하여 제공할 수 있게 된다. 예를 들어, 도면 객체에 대해서 설정할 수 있는 추출 레벨은 사용자 요구 사항을 최대한 만족시키기 위해 1% 단위로 세분화되어 설정될 수 있다.Additionally, the drawing data provider 130 may set the extraction level for the drawing object to be extracted. At this time, according to a preferred embodiment of the present invention, the drawing data provider 130 may set the extraction level for each drawing object to be extracted based on the input of the user terminal 10. Here, the extraction level may refer to a standard for determining the proportion of extraction for the corresponding drawing object. For example, the extraction level of the first drawing object to be extracted is set to 50%, and other extractions are set to 50%. When the extraction level of the target second drawing object is set to 70%, 50% of the first drawing object and 30% of the second drawing object remain in the drawing data. As in the above example, the user can set the extraction level for each drawing object to be extracted through input from the user terminal 10, and according to this, the drawing object extraction device 100 generates the most appropriate drawing data required by the user. can be provided. For example, the extraction level that can be set for a drawing object can be set in 1% increments to best satisfy user requirements.
위 설명과 관련하여, 도 3 내지 도 6은 본 발명의 일 실시예에 따른 도면 객체 추출 과정을 설명하기 위한 참조도이다.In relation to the above description, Figures 3 to 6 are reference diagrams for explaining a drawing object extraction process according to an embodiment of the present invention.
구체적으로, 도 3은 사용자 단말(10)로부터 전달된 도면 데이터로 아직 도면 객체에 대한 설정 및 추출이 수행되지 않은 상태의 도면 데이터의 예를 나타내고 있다. 또한, 도 4는 도 3의 도면 데이터가 포함하는 도면 객체 중 한 종류인 수치선을 나타내며, 도 5는 도면 객체 중 하나인 구역 명칭(문자)을 나타내고 있다. 도 6은 상기 수치선 및 구역 명칭에 해당하는 도면 객체를 추출한 상태인 도면 데이터를 나타내고 있으며, 자연스러운 도면 이미지가 사용자에게 제공될 수 있도록 각 도면 객체가 추출된 지점에 대한 이미지 처리가 수행되었다.Specifically, FIG. 3 shows an example of drawing data transmitted from the user terminal 10 in which setting and extraction of drawing objects have not yet been performed. Additionally, FIG. 4 shows a numerical line, which is one type of drawing object included in the drawing data of FIG. 3, and FIG. 5 shows a zone name (character), which is one of the drawing objects. Figure 6 shows drawing data from which drawing objects corresponding to the numerical lines and zone names have been extracted, and image processing was performed on the points from which each drawing object was extracted so that a natural drawing image could be provided to the user.
도 7은 본 발명에 따른 머신 러닝을 이용한 도면 객체 추출 방법을 설명하기 위한 흐름도이다.Figure 7 is a flowchart illustrating a drawing object extraction method using machine learning according to the present invention.
도 7을 참조하면, 먼저 수집한 도면 데이터가 포함하는 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체 추출 모델을 생성한다(S701). 여기에서, 수집한 도면 데이터가 포함하는 도면 객체에 대한 특징 학습은 추출 대상인 도면 객체와 추출 대상이 아닌 도면 객체에 대해서 별도로 이루어질 수 있다.Referring to FIG. 7, a drawing object extraction model is created based on the results of learning the characteristics of drawing objects included in the first collected drawing data (S701). Here, feature learning for drawing objects included in the collected drawing data can be performed separately for drawing objects that are extraction targets and drawing objects that are not extraction targets.
다음으로, 상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출한다(S702). 여기에서, 도면 데이터에 대해서 도출되는 도면 객체에 대한 정보가 사용자 단말(10)로 제공될 수 있으며, 구체적으로 도출된 각 도면 객체에 대한 목록을 제공하여 사용자가 선택하도록 할 수 있다.Next, the drawing object for the drawing data that is the target of the drawing object extraction work is derived using the generated drawing object extraction model (S702). Here, information about drawing objects derived from drawing data may be provided to the user terminal 10, and a list of each drawing object specifically derived may be provided for the user to select.
상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공한다(S703). 여기에서, 도출된 도면 객체 각각에 대한 추출 레벨이 사용자 입력에 기초하여 설정될 수 있으며, 도면 객체가 추출된 지점에 대한 이미지 처리가 수행된 도면 데이터가 사용자에게 제공될 수 있다.The derived drawing object is extracted using the generated drawing object extraction model, and drawing data from which the drawing object is extracted is provided (S703). Here, the extraction level for each derived drawing object can be set based on user input, and drawing data on which image processing has been performed for the point where the drawing object was extracted can be provided to the user.
전술한 머신 러닝을 이용한 도면 객체 추출 방법은 도면에 제시된 순서도를 참조로 하여 설명되었다. 간단히 설명하기 위하여 상기 방법은 일련의 블록들로 도시되고 설명되었으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 다른 블록들과 본 명세서에서 도시되고 기술된 것과 상이한 순서로 또는 동시에 일어날 수도 있으며, 동일한 또는 유사한 결과를 달성하는 다양한 다른 분기, 흐름 경로, 및 블록의 순서들이 구현될 수 있다. 또한, 본 명세서에서 기술되는 방법의 구현을 위하여 도시된 모든 블록들이 요구되지 않을 수도 있다.The drawing object extraction method using machine learning described above was explained with reference to the flow chart presented in the drawing. For simplicity of illustration, the method is shown and described as a series of blocks; however, the invention is not limited to the order of the blocks, and some blocks may occur simultaneously or in a different order than shown and described herein with other blocks. Various other branches, flow paths, and sequences of blocks may be implemented that achieve the same or similar results. Additionally, not all blocks shown may be required for implementation of the methods described herein.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the present invention has been described above with reference to preferred embodiments, those skilled in the art may make various modifications and changes to the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can do it.
10: 사용자 단말
100: 머신 러닝을 이용한 도면 객체 추출 장치
110: 모델 생성부
120: 도면 객체 도출부
130: 도면 데이터 제공부
200: 데이터베이스10: User terminal
100: Drawing object extraction device using machine learning
110: Model creation unit
120: Drawing object derivation unit
130: Drawing data provision unit
200: database
Claims (8)
상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출하는 단계; 및
상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공하는 단계;를 포함하고,
상기 도면 객체를 도출하는 단계는
도면 데이터에 대해서 도출되는 도면 객체에 대한 정보를 사용자 단말로 제공하되, 도출된 도면 객체가 문자 및 수치선을 포함하는 경우, 숫자, 한글, 영문 대문자 및 영문 소문자를 포함하는 문자의 종류를 세분화하여 목록으로 제공할 수 있으며, 수치선 또한 선택할 수 있는 옵션으로 제공하여 사용자가 추출할 도면 객체를 별도로 선택하도록 하는 단계;
상기 도출된 도면 객체 중, 사용자 단말의 입력에 기초하여 선택되는 도면 객체를 추출하는 단계; 및
사용자 단말의 입력에 기초하여 상기 추출 대상이 되는 도면 객체 각각에 대한 추출 레벨을 설정하는 단계;를 포함하되,
상기 도면 객체 추출 모델을 생성하는 단계는
수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 되는 도면 객체로서 문자, 워터 마크, 수치선 및 색상에 해당하는 도면 객체에 대한 특징을 학습하는 단계; 및
수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 아닌 도면 객체로서 부가된 정보가 없는 상태인 순수 도면 데이터에 대한 특징을 학습하는 단계;를 포함하고,
상기 도면 객체가 추출된 도면 데이터를 제공하는 단계는
추출 대상이 아닌 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체가 추출된 지점의 이미지 처리가 수행된 도면 데이터로서 상기 도면 객체가 부가되기 전의 상기 순수 도면 데이터와 대응하도록 복원된 도면 데이터를 제공하는 단계; 및
추출 대상이 되는 도면 객체 각각에 대해 설정된 추출 레벨의 비중에 따라 각각의 도면 객체가 추출되고 난 후, 잔존하는 도면 데이터를 생성하고 제공하는 단계;를 포함하는
머신 러닝을 이용한 도면 객체 추출 방법.
generating a drawing object extraction model based on the results of learning characteristics of drawing objects included in the collected drawing data;
Deriving a drawing object for drawing data that is the target of drawing object extraction work using the generated drawing object extraction model; and
A step of extracting the derived drawing object using the generated drawing object extraction model and providing drawing data from which the drawing object is extracted,
The step of deriving the drawing object is
Information on drawing objects derived from drawing data is provided to the user terminal, but if the derived drawing objects include letters and numerical lines, the types of characters including numbers, Korean letters, uppercase English letters, and lowercase English letters are subdivided into It can be provided as a list, and numerical lines are also provided as selectable options, allowing the user to separately select drawing objects to be extracted;
extracting a drawing object selected based on an input from a user terminal from among the derived drawing objects; and
Setting the extraction level for each drawing object to be extracted based on the input of the user terminal,
The step of creating the drawing object extraction model is
Learning the characteristics of drawing objects corresponding to characters, watermarks, numerical lines, and colors as drawing objects to be extracted among drawing objects included in the collected drawing data; and
A step of learning the characteristics of pure drawing data that is a drawing object that is not subject to extraction among drawing objects included in the collected drawing data and has no added information,
The step of providing drawing data from which the drawing object is extracted is
Drawing data that has undergone image processing of the point where the drawing object was extracted based on the results of learning the characteristics of the drawing object that is not the extraction target, and is restored to correspond to the pure drawing data before the drawing object was added. providing steps; and
After each drawing object is extracted according to the proportion of the extraction level set for each drawing object to be extracted, generating and providing remaining drawing data; comprising:
Drawing object extraction method using machine learning.
상기 생성된 도면 객체 추출 모델을 이용하여 도면 객체 추출 작업 대상이 되는 도면 데이터에 대한 도면 객체를 도출하는 도면 객체 도출부; 및
상기 생성된 도면 객체 추출 모델을 이용하여 상기 도출된 도면 객체를 추출하고, 도면 객체가 추출된 도면 데이터를 제공하는 도면 데이터 제공부;를 포함하고,
상기 도면 객체 도출부는
도면 데이터에 대해서 도출되는 도면 객체에 대한 정보를 사용자 단말로 제공하되, 도출된 도면 객체가 문자 및 수치선을 포함하는 경우, 숫자, 한글, 영문 대문자 및 영문 소문자를 포함하는 문자의 종류를 세분화하여 목록으로 제공할 수 있으며, 수치선 또한 선택할 수 있는 옵션으로 제공하여 사용자가 추출할 도면 객체를 별도로 선택하도록 하고, 상기 도출된 도면 객체 중, 사용자 단말의 입력에 기초하여 선택되는 도면 객체를 추출하고, 사용자 단말의 입력에 기초하여 상기 추출 대상이 되는 도면 객체 각각에 대한 추출 레벨을 설정하며,
상기 모델 생성부는
수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 되는 도면 객체로서 문자, 워터 마크, 수치선 및 색상에 해당하는 도면 객체에 대한 특징을 학습하고, 수집한 도면 데이터가 포함하는 도면 객체 중 추출 대상이 아닌 도면 객체로서 부가된 정보가 없는 상태인 순수 도면 데이터에 대한 특징을 학습하며,
상기 도면 데이터 제공부는
추출 대상이 아닌 도면 객체에 대한 특징을 학습한 결과에 기초하여 도면 객체가 추출된 지점의 이미지 처리가 수행된 도면 데이터로서, 상기 도면 객체가 부가되기 전의 상기 순수 도면 데이터와 대응하도록 복원된 도면 데이터를 제공하고, 추출 대상이 되는 도면 객체 각각에 대해 설정된 추출 레벨의 비중에 따라 각각의 도면 객체가 추출되고 난 후, 잔존하는 도면 데이터를 생성하고 제공하는
머신 러닝을 이용한 도면 객체 추출 장치.a model generator that generates a drawing object extraction model based on results of learning characteristics of drawing objects included in the collected drawing data;
a drawing object derivation unit that derives a drawing object for drawing data that is the target of drawing object extraction work using the generated drawing object extraction model; and
It includes a drawing data provider that extracts the derived drawing object using the generated drawing object extraction model and provides drawing data from which the drawing object is extracted,
The drawing object derivation unit
Information on drawing objects derived from drawing data is provided to the user terminal, but if the derived drawing objects include letters and numerical lines, the types of characters including numbers, Korean letters, uppercase English letters, and lowercase English letters are subdivided into It can be provided as a list, and numerical lines are also provided as a selectable option so that the user can separately select the drawing object to be extracted. Among the drawing objects derived above, the drawing object selected based on the input of the user terminal is extracted, , Setting the extraction level for each drawing object to be extracted based on the input of the user terminal,
The model creation unit
Learn the characteristics of drawing objects corresponding to text, watermarks, numerical lines, and colors as drawing objects that are subject to extraction among drawing objects included in the collected drawing data, and extract targets among the drawing objects included in the collected drawing data. Learn the characteristics of pure drawing data without any additional information as a drawing object,
The drawing data provider
Drawing data on which image processing has been performed at the point where the drawing object was extracted based on the results of learning the characteristics of the drawing object that is not the extraction target, and drawing data restored to correspond to the pure drawing data before the drawing object was added Provides, and generates and provides the remaining drawing data after each drawing object is extracted according to the proportion of the extraction level set for each drawing object subject to extraction.
Drawing object extraction device using machine learning.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210118877A KR102655432B1 (en) | 2021-09-07 | 2021-09-07 | Device and method for drawing object extraction using machine learning |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210118877A KR102655432B1 (en) | 2021-09-07 | 2021-09-07 | Device and method for drawing object extraction using machine learning |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230036245A KR20230036245A (en) | 2023-03-14 |
| KR102655432B1 true KR102655432B1 (en) | 2024-04-08 |
Family
ID=85502614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210118877A KR102655432B1 (en) | 2021-09-07 | 2021-09-07 | Device and method for drawing object extraction using machine learning |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102655432B1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005293153A (en) | 2004-03-31 | 2005-10-20 | Matsushita Electric Ind Co Ltd | Drawing retrieval apparatus |
| US20210150088A1 (en) * | 2019-11-18 | 2021-05-20 | Autodesk, Inc. | Building information model (bim) element extraction from floor plan drawings using machine learning |
| KR102274081B1 (en) * | 2021-04-12 | 2021-07-07 | 사단법인 한국선급 | Cognition system of object in ship's drawing using a deep-learning |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190102971A (en) | 2018-02-26 | 2019-09-04 | 주식회사 코드크래프트 | Method and apparatus for architectural drawing analysing |
-
2021
- 2021-09-07 KR KR1020210118877A patent/KR102655432B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005293153A (en) | 2004-03-31 | 2005-10-20 | Matsushita Electric Ind Co Ltd | Drawing retrieval apparatus |
| US20210150088A1 (en) * | 2019-11-18 | 2021-05-20 | Autodesk, Inc. | Building information model (bim) element extraction from floor plan drawings using machine learning |
| KR102274081B1 (en) * | 2021-04-12 | 2021-07-07 | 사단법인 한국선급 | Cognition system of object in ship's drawing using a deep-learning |
Non-Patent Citations (1)
| Title |
|---|
| LV Xiaolei et al., Residential floor plan recognition and reconstruction, Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021. pp. 16717 - 16726* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230036245A (en) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10311115B2 (en) | Object search method and apparatus | |
| JP7474793B2 (en) | Automatic line drawing coloring program, automatic line drawing coloring device, and program for graphical user interface | |
| US8233193B2 (en) | Document editing to prevent leaking secret information by masking an area including hierarchically arranged objects | |
| CN110727969B (en) | Method, device and equipment for automatically adjusting workflow and storage medium | |
| KR102655432B1 (en) | Device and method for drawing object extraction using machine learning | |
| CN113033171A (en) | Template creating method, file generating method, device and computer equipment | |
| CN110955603A (en) | Automatic testing method and device, electronic equipment and computer readable storage medium | |
| CN106503005B (en) | Information processing method and terminal | |
| US11468658B2 (en) | Systems and methods for generating typographical images or videos | |
| CN114861595A (en) | Vector line transformation-based individual font generation method | |
| CN110457064B (en) | Method and device for generating network cutover script | |
| CN114119691A (en) | Method and device for projecting applique material | |
| JP2003280943A (en) | Support system for generating test data | |
| CN112861549A (en) | Method and equipment for training translation model | |
| CN110070618B (en) | Parabolic cylinder identification method and device, terminal equipment and readable storage medium | |
| CN110674628A (en) | File template generation method and system | |
| CN117253231B (en) | Oil-gas station image processing method and device, electronic equipment and storage medium | |
| KR102361143B1 (en) | User-designed emotional web design UI design method using deep learning technique and big data | |
| JP4427307B2 (en) | Graphic processing device | |
| CN117576578A (en) | Method and device for labeling samples, electronic equipment and storage medium | |
| KR20230103855A (en) | Device and method for transforming image style and computer readable program for the same | |
| CN114253540A (en) | Method and system for automatically generating color matching of image | |
| CN114896246A (en) | User manual generation method and system | |
| EP3963415A1 (en) | Computer-assisted configuration of a technical system | |
| CN114201803A (en) | Modular building model creating method and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |