YOLO 建築圖面實驗筆記｜03：建築設計圖的分類實驗

# 建築圖面分類 × YOLO 影像辨識的實務實驗紀錄

在本系列的前篇文章 YOLO 建築圖面實驗筆記｜02：結構設計圖的分類實驗 中，我實測了將結構圖紙進行細分類，依照前兩篇的實測結果可以發現，圖紙資料的數量很大程度會影響模型的成效。

相較於前兩篇的實驗，鋼構和結構圖的內容相對穩定，它們構圖形式、構件、符號等有較規律的表現方式。而今天我再以397張建築設計圖來實測，由於建築圖涵蓋範圍包括平面圖、立面圖、門窗圖、細部詳圖…等多種圖紙類型。YOLO分類模型是否能正確區分圖紙內容較相似的建築設計圖？

實驗結果觀察

標註定義會直接影響分類結果

在建築設計圖中，經常有許多材料施作的詳細圖或標準圖很難被精確的分類；又或者是多種圖面類型同時出現在同一張圖上的情況。但在標註定義時則會以該圖面類型占比較大者作區分，而這樣類別定義的折衷方式，往往在模型精度成為限制之前，便已構成分類穩定性的主要瓶頸。

圖面分類仍需要語意資訊輔助

從前面的觀察可以發現，當類別定義本身存在模糊邊界時，，僅依賴影像特徵進行圖面分類，難以提供穩定且具語意意義的結果。因此，後續若要提升分類的實務可行性，勢必需引入非影像資訊作為輔助，例如檔名、圖名或圖紙內文字等語意線索，以協助判斷圖面實際所表達的用途，而非僅停留在視覺相似度的層級。

延伸閱讀

若你也是非本科背景，想系統性了解 YOLO 從 0 建立環境、準備資料集到實際應用的流程，可以參考我整理的基礎流程教學課程： (本課程為流程教學導向，並非本系列實驗文章之方法或結果重現。)

👉 課程連結(PressPlay Acadmey)：【線上課程】零基礎一次搞懂! 用YOLO打造自己的 AI 辨識工具