YOLO 建築圖面實驗筆記｜01：鋼構設計圖的分類實驗

2026-01-12

# 建築圖面分類 × YOLO 影像辨識的實務實驗紀錄

為何要用YOLO來分類建築圖類型?

如果能透過圖說識別建築物件，並將其轉換為 IFC（Industry Foundation Classes）資料格式後，建築資訊模型(Building Information Modeling, BIM) 的建模的自動化將更具可行性。

但在實務操作上，各種圖紙類型混雜時，單一YOLO模型要找出所有的資訊則有相當的困難度，因此首要應先找出如何讓AI分類出圖紙類別資訊的方法。

在YOLO分類模型所輸出的成果，就如下圖範例所示，圖像預測之後，它會在圖像的左上角輸出分類預測值：

上圖原資料集來源自Kaggle 《Cat and Dog》

那今天如果把分類選項改為平面圖、立面圖…等類別的話，又會是怎樣的結果呢？所以本實驗就來實測，使用YOLO分類模型，將圖紙分類進行分類，下面是實驗結果—

由於本次實驗的訓練集資料樣本數僅有314，若一開始就切過多分類，每個分類可讓AI模型學習的數量就會過少，對整體模型可信度不佳。

從上圖的結果可以觀察到，不同類別的圖面結構與視覺特徵差異明顯，模型已能初步分類，足以支撐後續流程分流使用。