Abstract : Since 2012, we have seen the explosion in the use of deep learning in industries ranging from classification to image segmentation instance detection. Facade ortho-images are a type of geometrically rectified image used to draw facade elements, by using a CAD software. The Cascade-RCNN neural architecture is trained with multiple pre-cut mosaic ortho-images. The training consists in preparing ortho-images with detouring the elements making up a facade. Next, the trained RCNN model will make it possible to do predictions on new ortho-images. These predictions are composed of a clipping of the object in the form of a closed polygon without holes and a recognition confidence score. These will be converted to DXF in order to obtain layers and polylines of the facade elements. Thus we will allow the designer to save precious time.
Résumé : Depuis 2012, nous assistons à l'explosion de l'utilisation du deep learning dans les secteurs allant de la classification à la détection d'instances de segmentations d'image. Les ortho-images de façade sont un type d'image géométriquement rectifié permettant de dessiner les éléments de façade, à l'aide d'un logiciel de DAO. L'architecture de neurones Cascade-RCNN est entraînée à l'aide d'une multitude d'ortho-images prédécoupées en mosaïque. L'entraînement consiste à préparer ces ortho-images en détourant au préalable les éléments composant une façade. Par la suite, le modèle RCNN entraîné, permettra d'effectuer des prédictions sur des nouvelles ortho-images. Ces prédictions sont composées d'un détourage de l'objet sous forme de polygone fermé sans trous et d'un score de confiance de reconnaissance. Ces dernières vont ensuite être converties en DXF afin d'obtenir des calques et polylignes des éléments de façade. Ainsi nous permettrons au dessinateur de gagner un temps précieux.