周一，一位深度学习的实习生加入我们组了解情况，看完了后拔凉的走了。。
产品经理也蛮无助的。。
开始研究论文：Unsupervised Wall Detector in Architectual Floor Plans (建筑平面图中的无监督墙体探测器)
1、Introduction 引言
in[3], detect parallel pairs; text information and an established set of graphical rules to guide the semantic wall detection.
先检测到平行线，然后文本信息和一组既定的图形规则被用于语义墙检测。
in[2], walls are modeled by dash lines and detected by morphological filter.
墙壁由虚线建模，并通过形态学滤波来检测。
in[5], using Hough Transform and image vectorization to find parallel lines.
使用霍夫变换和图像矢量化来找平行线，平行线内检测到黑色像素被认为是最终墙壁。
in[7], iteratively perform erosions followed by dilatations.
迭代地执行腐蚀膨胀操作来区分不同厚度的墙体。
模型不同-->制定以强烈符号为导向的最新策略（state-of-the-art strategy）
in[9], a supervised patch-based wall segmentation method
有监督的基于补丁的墙体分割方法
缺点：需要人工标记，适用于一组受控制的符号，不通用。
in this paper, unsupervised segmentation system, able to segment wall independently to their notation: automatically adapt to every wall notation, without the need of labeled data to learn their graphical appearance.
自动适应每种墙体符号，无需标记数据即可了解图形外观。
2、Methodology 方法
Wall-assumption：
（1）parallel lines 平行线
（2）rectangle 矩形
（3）appear in orthogonal directions 出现在正交方向
（4）different thickness 不同的厚度
（5）same pattern
（6）repetitively and naturally distributed 重复出现并自然分布
A、Pre-process 预处理
to filter unnecessary information and to facilitate the posterior segmentation. 过滤不必要的信息，促进后验分割。
[6][9] （1）binarized 二值化，减少输入空间的维数
（2）filter textual information using [10] 过滤文本信息
（3）detect and correct possible deviation
通过调整手写文本偏移的方法来检测和纠正可能的方向偏差。
（4）resolutions higher than 4000*4000 are down scaled 缩减
B、Black-walls detection 黑墙检测
black thick parallel lines-->the edge image 提取出黑墙的平行线
run lengths over the foreground pixels in the horizontal and vertical directions are quantized in a histogram.
在直方图中量化水平和竖直方向的前景像素。
Expectation Maximization algorithm 期望最大算法
正态分布sigma
使用canny边缘检测将黑墙的文档转换为边缘图像
C、Wall-segment candidates generation 墙段候选生成
（1）检测平行线
（2）计算平行候选之间的距离
（3）直方图统计，高频的，可能的宽度建模，低频的，不常见物体
（4）直方图平滑，最大频率区间分组
D、Wall Segmentation Ranking 墙壁分割排序
（1）Wall-candidates combination 墙候选组合
（2）Wall general attributes 一般属性
•SH 直方图中频率的总和，假设4（具有多个厚度的分段）
•CC 个体连接数量，假设6（墙应重复出现）
•AR 候选墙CC中的平均纵/横比，假设2（矩形）
•DiffD 比例差异，假设6（自然分布）
（3）Final Wall Segmentation 最终墙段
根据不同属性打分：
最终墙段是得分高的假设。
3、Experiments 实验
A、Datasets 数据集
B、Evaluation 评估
(1)using Jaccard Index(JI):
(2)recall
C、Results 结果
Our method is influenced by four parameters(rlbmin, α,σtw and r)
（1）rlbmin 表示黑色水平线生成被认为是可能线的最小长度，10pixels
（2）α angle interval 角度间隔 α= 15°
（3）σtw 灵敏度边界，用于检测具有厚度的平面图 75？ Over 25，有黑墙
（4）r 用于计算黑色像素分布差DiffD，相等大小区域r的数量，{9,16,25}
[7]，the notation oriented strategy, 基于符号方法
[9]，the notation invariant patch-based detection, 符号不变基于块的检测器
this paper，unsupervised notation invariant approach, 无监督符号不变方法
