相关实验视频
Updated: May 5, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
图像数据集:大学大楼一年的每小时立面照片
Marc Roca-Musach1, Isabel Crespo Cabillo1, Helena Coch1
1Architecture, Energy and Environment Research Group (AiEM) - Universitat Politècnica de Catalunya, Spain.
Data in brief
|September 5, 2024
概括
这项研究捕捉了一年的建筑立面数据,提供了对用户与手动控制的自适应系统交互的见解. 该数据集有助于开发能源模拟模型和计算机视觉应用程序.
科学领域:
- 建筑科学 建筑科学
- 可持续的建筑 可持续的建筑
- 人类建设互动互动互动
背景情况:
- 手动控制的自适应立面对于建筑的能源效率和乘客舒适性至关重要.
- 关于用户如何与这些动态立面系统互动的观测数据显著缺乏.
- 了解用户行为是优化建筑性能和能源模拟的关键.
研究的目的:
- 呈现了一年内建筑立面相互作用的综合数据集.
- 为开发和验证适应式立面的用户行为模型提供数据.
- 促进计算机视觉和机器学习领域的研究,用于立面元素分析.
主要方法:
- 在整整一年内获取了9596张建筑面的高分辨率图像.
- 使用两个相同的GoPro Hero 10摄像头进行每小时的图像捕捉.
- 系统地记录了东部和西部建筑的外观,详细说明了窗户配置和太阳保护.
主要成果:
- 一个丰富的数据集,包括9596张立面图像,记录每小时的变化.
- 提取了170万个单独的窗户图像进行详细分析.
- 建立了一个分析用户驱动立面调整及其影响的基础.
结论:
- 该数据集提供了前所未有的洞察力,了解与自适应立面的真实世界用户构建交互.
- 这些数据对于提高建筑能源模拟和预测模型的准确性至关重要.
- 生成的图像资源支持机器学习应用程序的进步,用于监控建筑性能.
