基于卷積神經網絡的三維建筑形體分類實驗

陳一帆 （南京大學建筑與城市規劃學院，江蘇 南京 210093）

1 引言

分類行為是人類認識事物的一種方式。人們對事物進行抽象和歸納，便有了不同的類型，認識的過程本身就是分類的過程。分類的思想在建筑學中由來已久，關于“原型”“類型”的探討在建筑學中長盛不息，這不僅僅可以幫助我們歸納總結已有的設計知識，還能更好更快地設計出不同的作品。建筑形體特征包括了形體、空間和人的各種活動[1]，具象的形體則是其中最重要的表現形式。傳統的研究方法在建筑的形體大小、比例、占地面積、高度等進行了定量研究，但是在形體類型的量化指標一直是研究的空白。

深度學習作為機器學習的重要的一個分支，近年來得到了巨大的發展。在建筑設計領域，深度學習技術也得到了廣泛地應用。大數據驅動的建筑圖像分類，廣泛的應用于不同的對象和不同的尺度，涵蓋了城市、鄉村、單體建筑等。例如，OCHOA S[2]在2020年利用t-SNE和CNN的技術完成了對城市不同區域的衛星圖的分類工作，并與人的活動軌跡相聯系。張欽[3]在2019年利用VGG的技術完成了街景中目標類型建筑物的識別。覃巧華等人[4]在2020年利用CNN的技術完成了傳統村落的分類工作。大數據驅動的研究大多局限于樣本數據的不規范、樣本種類缺少變化等。但Chenyi Cai[5]在2020年利用基于特定規則生成的平面圖數據庫，再利用CNN完成了建筑平面圖的識別分類工作。這一做法一定程度上避免了因為數據集收集整理不足帶來的問題，但卻帶來了另一問題，就是訓練的神經網絡的泛化能力會因為數據集樣本的影響而一定程度上降低。

同時可以看到當前圖像分類技術在三維形態上的研究目前還比較缺乏，主要難點在于建筑的三維形態如何處理為深度學習能夠處理的圖像數據和三維建筑形體數據庫的缺乏。Jinmo Rhee[6]在2021年將Open Street Map上世界主要城市的三維建筑模型，經過分層切片處理后，輸入給以卷積神經網絡組成的變分自編碼器中（VAE），獲得了14種類型的高層數據。但這種方式存在一定的不足，其中一點就是無監督學習得到的樣本類別取決于隱空間中的數據分布特征。

本文通過預先設定好的建筑形體類別和相應的規則，生成相對應的形體，由此組成訓練的數據集。再通過形體切片的方式獲取分層圖像，將建筑形體信息轉化為卷積神經網絡能夠識別的圖像數據，由此來訓練神經網絡識別建筑形體的種類，也為建筑形體的計算機識別和分類提供量化支撐，由此也可以展開形體優化生成的后續研究。

2 理論方法

2.1 形體分類方式

在傳統的建筑形態分類方式中，通常認為建筑形態包括建筑的體量、立面、內部空間、外部空間等，形態則是場所環境、內外活動、內部功能和材料建造多種因素作用下的結果。例如，《建筑：形式空間和秩序》[7]一書中將平面形態劃分為中心的、線性的、放射性的、組團的、網格的；《建筑空間組合論》[8]則強調了體量組合的主從和有機、對比和變化、穩定和均衡三種類型。本文不討論抽象的三維建筑形態分類方式，只結合筆者的實際經驗，將建筑形體概括為五種常見的類型：基本型、中庭型、U型、L型和并列型。基本型建筑形體常較方正，常見于博物館等不需要采光的建筑或者小型建筑等；中庭型作為常用的組織形體的方法，增加建筑的采光通風，也豐富了內部空間；U型、L型建筑形體則常用于處理入口廣場、集散場地，同時提高了室內環境的舒適度；并列型建筑常用于群體建筑。

2.2 卷積神經網絡與ResNet

卷積神經網絡與基本的多層全連接神經網絡最重要的區別就是應用了卷積層，避免了全連接層帶來的過大數據運算量。由于圖像數據具有局部相關性，在局部數據上進行全連接運算，并且權值矩陣共享到整個圖像，這就是卷積的原理。

通過堆疊卷積層，卷積神經網絡模型能夠獲得更好的表達能力，但是模型卻會因此變得難以訓練。這是因為在反向傳播運算的過程中，神經網絡層會出現梯度消失或者梯度爆炸的現象。2015年，微軟亞洲研究院何凱明發表了基于SkipConnection的深度殘差網絡（ResNet）。通過添加 skipconnection實現層數的回退，很好地解決了這些問題。本文采用ResNet-18作為多分類神經網絡的框架。

3 實驗與分析

3.1 數據收集與處理

參照Cai[5]提出的基于規則生成特定的二維平面數據庫的方法，筆者在Rhinoceros（參數化建模軟件，以下簡稱rhino）按照預定的規則生成帶有形體類別標簽的三維建筑形體數據庫。

基本型建筑的形體滿足的必需條件：建筑的長寬大于2個柱跨；建筑與周邊場地的距離大于1個柱跨。中庭型建筑滿足的必需條件：建筑的長寬大于3個柱跨；建筑與周邊場地的距離大于1個柱跨；建筑中庭的尺寸大于1個柱跨；建筑最窄處的進深大于1個柱跨。L型建筑滿足的必需條件：建筑的長寬大于3個柱跨；建筑與周邊場地的距離大于1個柱跨；建筑圍合的場地大于1個柱跨；建筑最窄處的進深大于1個柱跨。U型建筑滿足的必需條件：建筑的長寬大于3個柱跨；建筑與周邊場地的距離大于1個柱跨；建筑圍合的場地大于1個柱跨；建筑最窄處的進深大于1個柱跨。并列型建筑滿足的必需條件：各個建筑的進深和面寬大于1個柱跨；建筑與周邊場地的距離大于1個柱跨；建筑間距大于1個柱跨（如圖1）。

圖1 五種類型的建筑形體的生成規則示意圖（圖片來源：作者自繪）

同時通過數據增強的技術，在參數中加入了隨機函數，例如平面的長寬、開洞的尺寸、建筑的高度、建筑上下層偏移的尺寸等。因此樣本雖然在拓撲關系上大致相同，但是細節形態卻不相同，從而一定程度上保證了訓練的質量。

如何將Rhino中的三維建筑形體轉化為神經網絡能夠識別的多通道圖像數據，筆者采用的方法是先在物體的中心位置的正上方創建預先設定好視野大小和焦距的攝像機物體，再創建不同高度的截平面與原建筑形體相交獲得相交平面，最后通過攝像機捕捉各層平面輸出為圖像，即可獲得固定大小和比例的建筑分層平面圖像（如圖2）。同時，筆者將建筑各層平面輪廓圖處理成為黑白二值圖像，以方便神經網絡的訓練（如圖3）。

圖2 Rhino中獲取物件的各層平面輪廓的方法示意（圖片來源：作者自繪）

圖3 五種類型的建筑形體分層圖像數據庫（圖片來源：作者自繪）

3.2 卷積神經網絡訓練

筆者選用ResNet18作為網絡的基本框架，輸入的張量的維度統一為4*96*96。對于只有1～3層的建筑形體，獲得的建筑平面圖像只有1～3張，那么需要對數據進行填充處理。筆者在此選用數值0填充，最終獲得的數據庫可如圖4中左圖所示，每一列為一個樣本數據。對于神經網絡的倒數第二層，筆者選用神經元個數為5的全連接神經網絡，再通過最后一層softmax層獲得樣本各個類別的可能性值，例如（0.2,0.2,0.5,0.05,0.05），如圖4右圖。最后通過樣本預測的類別（例如張量（0.2,0.2,0.5,0.05,0.05））與樣本的真實的類別（例如張量（1.0,0.0,0.0,0.0,0.0））的交叉熵作為模型的損失函數來優化模型。

圖4 神經網絡模型結構示意圖（圖片來源：作者自繪）

通過設定好生成規則的建筑形體生成器和分層圖像采樣操作，共獲得了基本型形體、中庭型形體、U型形體、L型形體和并列型形體各4000個，其中每種形體的一層、二層、三層、四層建筑各1000個。通過9:1的比例劃分訓練集和測試集。經過200代的訓練，神經網絡的訓練集和測試機的準確率均可以達到95%以上。

3.3 實驗結果驗證與分析

可以看到，訓練好的神經網絡模型對于特定規則下生成的建筑形體，能夠很好地識別。為了驗證模型的泛化能力，驗證集選用了一批其他規則生成的建筑形體，例如擁有多個中庭的中庭型形體、發生偏轉的L型形體、多個建筑形體的U型形體、分散布置的并列型形體（如圖5）。

圖5 驗證集測試結果（圖片來源：作者自繪）

如圖5所示，神經網絡模型對于只有一種形體特征的建筑形體識別比較準確，但是對于具有多個特征組合的建筑形體并不能很好地識別。在圖5倒數三個形體中，形體具有兩個特征，但是神經網絡輸出的特征值只捕捉到了一個特征，而且是前兩層。可能是訓練樣本中通過填充空白數據的操作使得模型對層數越低的建筑平面越敏感，也可能是模型訓練的程度過高，過于擬合訓練集的數據。這一問題可以通過分層標記的方法解決，例如圖5最后一個形體，可以將樣本標記為基本型、基本型、并列型、并列型，通過訓練多個分類器來實現對形體的更精確的識別。

4 討論

當前在城市建設的過程中，缺乏一套可以對建筑三維形態特征的內在規律進行解讀的有效工具。通過影響視線、光照、通風等，建筑形體不但直接決定了建筑外部空間的舒適，也決定了建筑內部空間的合理性。城市數據模型不斷完善，但是對建筑形體進行描述的相關數據仍是一塊空白。

可以看到，通過訓練好卷積神經網絡來識別建筑三維形體特征這一方法是可行的。采用基于規則生成的形體作為訓練得到數據庫，通過在Rhino中分層切片的操作，完成對三維形體的二維圖像轉換，再通過訓練一個多分類的卷積神經網絡，就能得到一個分類模型。通過這個模型，可以對城市中的三維建筑形態進行定量分析，也可以作為建筑師分析形體的輔助手段。通過對不同形體的量化分析，可以完善城市建筑的數字化信息聯合，為后續的研究提供可靠的支撐。

但是，本實驗還存在一些不足。首先，模型的可靠程度取決于數據庫的多樣性，而本次數據庫的樣本種類目前還比較簡單，以整體空間內較少的樣本訓練的模型去預測其他樣本的類別，存在風險。其次就是實際建筑的形體往往復雜多變，目前實驗的建筑形體生成和描述的方式還比較簡單，對于復雜形體生成和描述的規則仍值得考慮。最后就是多通道多卷積核的方式對通道之間的數據并不敏感，每次發生關聯的地方只在卷積操作時通道之間的拼接，可以考慮將二維卷積核換成三維卷積核。