HyperAIHyperAI

Command Palette

Search for a command to run...

CISOL: مجموعة بيانات مفتوحة وقابلة للتوسيع للاعتراف ببنية الجداول في صناعة البناء

Tschirschwitz David ; Rodehorst Volker

الملخص

القابلية للتكرار والنسخ هي أعمدة أساسية للبحث التجريبي، خاصة في مجال التعلم الآلي، حيث تعتمد ليس فقط على توفر النماذج، بل أيضًا على المجموعات البيانات المستخدمة لتدريب وتقييم هذه النماذج. في هذا البحث، نقدم مجموعة بيانات قائمة طلبات الصلب في صناعة البناء (CISOL)، والتي تم تطويرها بتركيز على الشفافية لضمان القابلية للتكرار والنسخ والتوسيع. تعد CISOL موردًا بحثيًا جديدًا وقيمًا وتؤكد أهمية وجود مجموعات بيانات متنوعة، حتى في المجالات المتخصصة مثل استخراج الجداول في الهندسة المدنية.تتميز CISOL بأنها تحتوي على وثائق هندسية مدنية حقيقية من الصناعة، مما يجعلها إسهامًا فريدًا في هذا المجال. تحتوي المجموعة على أكثر من 120,000 حالة مشمولة بالشروحات في أكثر من 800 صورة وثيقة، مما يجعلها مجموعة بيانات متوسطة الحجم توفر أساسًا قويًا للمهام المتعلقة باستخراج بنية الجداول (TSR) وكشف الجداول (TD).تظهر نتائج المعايرة أن CISOL تحقق دقة [email protected]:0.95:0.05 بنسبة 67.22٪ باستخدام نموذج YOLOv8، مما يتفوق على نموذج TATR المخصص لـ TSR. وهذا يؤكد فعالية CISOL كمعيار لتطوير TSR، خاصةً في المجالات المتخصصة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp