CN119495090A 室内结构确定、模型训练及数据处理方法、设备及介质 （每平每屋(上海)科技有限公司）

室内结构确定、模型训练及数据处理方法、图像对应的室内结构的目标室内结构模型作为先验知识加入到网络进行室内图像的室内结构室内图像对应的室内结构的三维空间信息的预2利用所述目标室内结构预测模型中的第二网络模型，根据所述室内图像的图像特征，利用所述目标室内结构预测模型中的第二网络模型，根据所述室内图像的图像特征，预测所述室内图像对应的室内结构为预设的多种室内结根据所述室内图像对应的室内结构为预设的多种室内结构模型3.根据权利要求1或2所述的方法，其特征在所述目标室内结构模型，确定所述室内图像对应的室内结构的三维包围盒的三维空间信根据所述三维包围盒的中心点坐标、所述三维包围盒的长宽高及所根据所述室内图像对应的图像采集设备的位姿信息，将所述室内图像对将所述二维空间图像添加在所述室内图像上，以得到添加有所述根据所述二维空间图像的调整信息及所述室内图像对应的图像采集设备的位姿信息，获取预先标注有先验信息的多个室内图像样本；所述先验信息包3像样本对应的室内结构的先验三维空间信息及所述多个室内图像样本为预设的多种室内根据所述多个室内图像样本为所述多种室内结构模型的预测概率，根据所述预测三维空间信息与所述先验三维空间信息之间的第一差所述根据所述预测三维空间信息与所述先验三维空间信息之间根据所述第一差异、所述第二差异及所述预测位姿信息与针对所述多个室内图像样本中的任一室内图像样本，利用所述述任一室内图像样本的图像特征及所述多个室内图像样本对应的室内结构的预测室内结构模型，确定所述任一室内图像样本分别对应的室内结构的三维包围盒的三维空间信息，作为所述任一室内图像样本对应的室内结构的预测所述任一室内图像样本的室内结构的先验三维空间信息包括：所4获取预先标注有先验信息的多个室内图像样本；所述先验信息包像样本对应的室内结构的先验三维空间信息及所述多个室内图像样本的室内结构为预设根据所述多个室内图像样本为所述多种室内结构模型的预测概率，根据所述预测三维空间信息与所述先验三维空间信息之间的第一差所述根据所述预测三维空间信息与所述先验三维空间信息之间根据所述第一差异、所述第二差异及所述预测位姿信息与利用所述目标服务对应的处理资源执行权利所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行权利要56[0007]利用目标室内结构预测模型中的第一网络模型，对所述内图像样本对应的室内结构的先验三维空间信息及所述多个室内图像样本的室内结构为7述预测概率与所述先验概率之间的第二差异，调整所述待训练的室内结构模型的模型参[0023]利用所述目标服务对应的处理资源执行上述室内结构确定方法和/或模型训练方8[0036]图8为本申请实施例提供的室内图像对应的室内结构的三维空间信息与室内图像[0037]图9为本申请实施例提供的目标室内结构预测模型进行室内结构预测的结果示意测出的室内图像对应的室内结构的目标室内结构模型作为先验知识加入到网络进行室内9像样本对应的室内结构的先验三维空间信息及多个室内图像样本为预设的多种室内结构对应9个数值，相较于前述以8个顶点的坐标信息表征三维包围盒的三维空间信息的实施[0062]在本实施例中，还可预先标注室内图像样本对应的室内结构对应的室内结构模样本对应的室内结构的先验室内结构模型为类型0，则该室内图像样本对应的室内结构为模型用于预测室内图像或室内图像样本对应的室内结构的CNN)、深度学习神经网络(Deep_LearningNeuralNetwork，DNN)、循环神经网络(RecurrentNeuralNetwork，RNN)、卷积神经张量网络(Convolutionalneuraltensor待训练的室内结构预测模型中的第二网络模型，根据多个室内图像样本各自的图像特征，预测各室内图像样本分别为上述11种室内结构模型中的每种类型的概率。预测出的概率，像样本A为预设的多种室内结构模型的预测概率，确定预测概率满足设定的概率条件的室[0074]在确定出室内图像样本对应的室内结构的预测三维空间信息及室内图像样本对样本对应的预测三维空间信息及同一室内图像样本对应的先验三维空间信息之间的差异。测三维空间信息与先验三维空间信息之间的第一差异表示为预测三维空间信息中各参数维包围盒的中心点坐标；表示第n个室内图像样本对应的室内结构的预测三维空i,j,和分别表示第n个室内图像样本对应的室内结构的先验测三维空间信息中三维包围盒的长宽率与先验概率之间的交叉熵的实施例，上述预测概率与先验概率之间的第二差异可表示内图像样本对应的室内结构为第m种室内结构模型的先验概率；[0088]在本实施例中，可采用梯度下降法调整待训练的室内结构预测模型的模型参内结构。基于上述训练完成的目标室内结构预测模型，对于步骤601中的待处理的室内图[0105]关于室内结构的三维空间信息的表示方式可参见上述模型训练方法实施例的相盒的长宽高的长度及三维包围盒的长宽高的单位向量，计算三维包围盒的顶点位置信息。可采用图像采集设备在相机坐标系的位置信息，相较于图像采集设备在其它设定坐标系三维空间信息与先验三维空间信息之间的第一差异、预测概率与先验概率之间的第二差本对应的图像采集设备的先验位姿信息之间[0125]基于本申请实施例提供的目标室内结构预测模型，本申请发明人利用图9示出的待处理的室内图像对目标室内结构预测模型进行测试，得到图9示出的待处理的室内图像施例提供的模型训练方法和/或室内结构确定方法还可部署于云服务器，作为一种软件即标服务是指提供上述模型训练方法和/或室内结构确[0130]需要说明的是，上述实施例所提供方法的各步骤的执行计算机指令被一个或多个处理器执行时，致使一个或多个处理器执行上述模型训练方法[0135]在一些实施例中，处理器100b在利用目标室内结构预测[0136]在另一些实施例中，处理器100b在利用目标室内结构预测模型中的第三网络模像特征及目标室内结构模型，确定室内图像对应的室内结构的三维包围盒的三维空间信室内结构预测和/或模型训练服务的服务；并利用所述目标服务对应的处理资源执行上述助于提高室内图像对应的室内结构的三维空间信息的预测相应控制逻辑。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实门阵列(Field_ProgrammableGateArray，FPGA)、可编程阵列逻辑器件(Programmable(ComplexProgrammableLogicDevice，CPLD)等可编程器件；或者为先进精简指令集线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如无线保真施例中，通信组件还可基于近场通信(NearFieldCommunicati(RadioFrequencyIdentification，RFID)技术、红外数据协会(InfraredData[0153]在本申请实施例中，显示组件可以包括液晶显示器(LiquidCrystalDisplay，可用存储介质(包括但不限于磁盘存储器、只读光盘(CompactDiscRead_现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0159]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一[0162]内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(Random_