宁园园,张素兰,陈 飞

(太原科技大学 计算机科学与技术学院,山西 太原 030024)

0 引 言

建筑风格从地理位置、安全因素、建筑材料等方面考虑,每种风格依赖于建筑元素的结构,且都有其独特的特征表示。例如:玫瑰窗是哥特式风格独有的特征;巴洛克风格的主要特征是圆顶、圆拱门等。建筑风格分类旨在通过建筑元素以及建筑元素之间的空间关系预测建筑的风格类别,准确的分类对建筑历史研究、建筑遗产保护和城市建设方面都具有重要意义。

近年来,建筑风格分类已取得一些重要的研究成果。Xu等人[1]提出在多项式潜在逻辑回归(Multinomial Latent Logistic Regression,MLLR)中引入概率分析,解决25类风格的分类问题。Ren等人[2]设计概率层次图表示基本元素的结构,从具有一致标签的3D模型中训练贝叶斯网络对中国古建筑基本元素的语义属性和层次结构进行编码。Yi等人[3]收集17种建筑类别的图像及描述信息,并采用卷积神经网络模型对美国房屋风格进行分类。Yoshi-mura等人[4]训练深度卷积神经网络对34个建筑师的多个作品进行分类,通过训练网络模型的权重计算建筑的视觉相似性。然而,上述方法都需要收集大量的有标签样本,但在建筑风格分类中,不同建筑风格之间存在相似性,同一建筑风格中又存在差异性[1],导致标注更加困难。尤其对于建筑遗产图像,因为建筑景点需要被保护,不能对外开放,如故宫中的一些殿宇,图像数据难以获得,数据集中的标签样本根本不足以涵盖所有类别。……