PERDAW Dataset v.1.0

Perdaw数据集，全称Plan, and Elevation Representations of Doors And Windows，是一个旨在促进建筑元素识别和分类领域研究和开发的综合数据集。该数据集包含各种门和窗户的平面和立面视图，提供丰富和详细的表示，适合机器学习任务，特别是在计算机视觉领域。

The Perdaw dataset, whose full name is Plan, and Elevation Representations of Doors And Windows, is a comprehensive dataset designed to promote research and development in the field of architectural element recognition and classification. This dataset includes various plan and elevation views of doors and windows, offering rich and detailed representations suitable for machine learning tasks, particularly in the domain of computer vision.

原始信息汇总

PERDAW Dataset v.1.0 概述

数据集描述

名称： PERDAW Dataset v.1.0

全称： Plan, and Elevation Representations of Doors And Windows

目的： 该数据集旨在促进建筑元素识别和分类领域的研究和开发，特别是计算机视觉领域中的机器学习任务。

内容： 数据集包含多种门和窗户的平面和立面视图，共计28,800张图像。

对象类型： 门和窗户

视图类型： 平面和立面

类别数量： 40类

每类图像数量： 720张

对象变体： 不同尺寸和特征，包括玻璃面板和角窗变体

数据增强： 旋转、镜像、分割、调整大小和剪切

图像格式： JPG

图像大小： 224x224像素

数据集结构

数据集包含以下四个主要部分：

1. original_3d_objects_revit.zip: 包含20个3D模型，格式为**.rtv**，与Autodesk的AEC软件套件兼容。

2. initial_2d_images_of_objects.zip: 包含从3D Revit文件中提取的2D图像。每个对象的立面视图包含12张图像，分为厚线轮廓和细线轮廓两类。

3. perdaw_object_view_split.zip: 包含整个数据集，根据20个建筑组件（对象）及其相应的2D视图进行分组。每个文件夹包含720张图像。

4. other_splits.zip: 包含12个数据集分区，用于“Towards Digitisation of Technical Drawings in Architecture: Evaluation of CNN Classification on the Perdaw Dataset”出版物。每个分区包含训练、测试和评估三个子文件夹，分割比例为80/10/10。

数据集链接

PERDAW Dataset

搜集汇总

数据集介绍

构建方式

PERDAW数据集的构建过程基于前苏联及其社会主义国家广泛存在的建筑类型学，特别是‘赫鲁晓夫楼’的建筑元素。数据集通过Autodesk Revit软件创建了20个3D模型，涵盖了多种门和窗户的设计。这些3D模型随后被转换为2D图像，包括平面图和立面图，每类对象生成720张图像，总计28,800张。数据增强技术如旋转、镜像、分割、调整大小和剪切被应用于图像，以增加数据集的多样性和实用性。

特点

PERDAW数据集的特点在于其专注于建筑元素的识别与分类，特别是门和窗户的平面与立面视图。数据集包含40个类别，每个类别有720张图像，图像格式为JPG，尺寸统一为224x224像素。数据集的多样性体现在不同尺寸和特征的门窗设计，包括玻璃面板和转角窗户的变体。此外，数据集提供了多种数据分割方式，便于不同研究需求的应用。

使用方法

PERDAW数据集的使用方法包括下载数据集文件，解压后获取原始3D模型、初始2D图像以及不同分割方式的数据集。用户可以根据研究需求选择特定的数据分割，如仅使用平面图或立面图，或结合两者进行训练和测试。数据集适用于计算机视觉任务，特别是卷积神经网络（CNN）的分类和识别研究。用户还可以参考相关出版物中的代码和方法，以优化模型性能。

背景与挑战

背景概述

PERDAW数据集（Plan, and Elevation Representations of Doors And Windows）由Alexandru Filip和Stella Grasshof等人于2023年创建，旨在推动建筑元素识别与分类领域的研究。该数据集包含28,800张门和窗的平面与立面视图图像，涵盖了40个类别，每类包含720张图像。其灵感源于前苏联及其社会主义国家广泛存在的建筑类型——‘赫鲁晓夫楼’。PERDAW数据集为计算机视觉任务提供了丰富的图像资源，尤其在建筑图纸的数字化与自动化处理方面具有重要意义。该数据集通过数据增强技术（如旋转、镜像、剪切等）进一步扩展了其多样性，为深度学习模型的训练与评估提供了坚实的基础。

当前挑战

PERDAW数据集在构建与应用过程中面临多重挑战。首先，建筑元素的多样性与复杂性使得数据采集与标注过程极为繁琐，尤其是门和窗的尺寸、样式、位置等特征的差异性增加了数据处理的难度。其次，数据集的构建依赖于3D模型的提取与转换，这一过程需要高精度的技术手段，以确保2D图像的准确性与一致性。此外，数据增强技术的应用虽然提升了数据集的多样性，但也可能引入噪声，影响模型的泛化能力。在应用层面，如何有效利用平面与立面视图的多模态信息，提升建筑元素分类的准确性，仍是当前研究的核心挑战。

常用场景

经典使用场景

PERDAW数据集在建筑元素识别与分类领域具有广泛的应用，特别是在计算机视觉任务中。该数据集通过提供门和窗户的平面图和立面图，为研究人员和开发者提供了丰富的视觉数据，用于训练和评估机器学习模型。其经典使用场景包括建筑图纸的自动化识别、建筑元素的分类与检测，以及建筑信息模型（BIM）的生成与优化。

实际应用

在实际应用中，PERDAW数据集被广泛用于建筑设计与施工的自动化流程中。例如，建筑公司可以利用该数据集训练模型，自动识别建筑图纸中的门和窗户，从而加速建筑信息模型（BIM）的生成。此外，该数据集还可用于建筑元素的分类与检测，帮助设计师快速识别和修改建筑图纸中的特定元素，提高设计效率与准确性。

衍生相关工作

PERDAW数据集衍生了一系列相关研究工作，特别是在建筑元素识别与分类领域。例如，基于该数据集的研究论文《Towards Digitisation of Technical Drawings in Architecture: Evaluation of CNN Classification on the Perdaw Dataset》评估了多种卷积神经网络（CNN）模型在建筑图纸分类中的性能。此外，该数据集还被用于开发自动化3D重建软件，如ReconstructR，进一步推动了建筑领域的数字化进程。