Бенчмаркинг методов глубокого обучения для обнаружения макета инженерных чертежей и извлечения информации

📐 ИИ для инженерных чертежей AEC: авторы статьи сравнили методы глубокого обучения для распознавания структуры листа и извлечения информации из проектной документации. Задача важная: инженерные чертежи содержат не только текст, но и графические элементы, таблицы, рамки, обозначения и иерархии, с которыми обычные модели для документов работают нестабильно. Суть исследования: команда собрала специализированный набор данных по макетам AEC-чертежей и протестировала пять архитектур. Лучший результат по детекции показала RF-DETR — mAP50 0,949. Визуально-языковая модель Qwen3-VL получила F1 0,911 при извлечении информации. Научная новизна — в сравнении моделей именно на инженерных чертежах, а не на текстовых документах общего типа. Важное ограничение: модели, предобученные на универсальных датасетах документов, показали деградацию из-за «доменного конфликта», поэтому переносимость таких решений в AEC требует отдельной проверки.