Prédiction basée sur l’apprentissage profond des attributs des plans d’étage résidentiels pour l’évaluation du logement orienté vers les personnes âgées

Résumé

Ce protocole décrit un flux de travail d’apprentissage profond méta-ensemble pour l’analyse automatisée des images de plans résidentiels. La procédure comprend le prétraitement des ensembles de données, la prédiction d’attributs architecturaux utilisant plusieurs réseaux neuronaux convolutionnels, l’apprentissage d’ensembles par empilement, la classification résidentielle basée sur des règles, et l’analyse de l’explicabilité utilisant des explications additives SHapley pour soutenir l’évaluation de la disposition résidentielle.

Résumé

La demande croissante de solutions de logement intelligent pour les populations vieillissantes a accru le besoin de méthodes automatisées pour l’analyse des plans résidentiels. Les approches conventionnelles d’évaluation architecturale sont souvent manuelles, longues et difficiles à mettre à l’échelle, ce qui souligne le besoin de techniques basées sur l’intelligence artificielle capables d’interpréter les plans spatiaux et de soutenir l’évaluation de la conception résidentielle. Ce protocole décrit un cadre d’apprentissage profond méta-ensemble pour l’analyse automatisée des images de plans résidentiels. Le cadre CARE-MIRV-Net proposé intègre quatre réseaux neuronaux convolutionnels complémentaires — MobileNetV2, InceptionV3, ResNet101 et VGG16 — pour prédire les attributs architecturaux, notamment la superficie, le nombre de chambres, de salles de bains et de garages. Les prédictions issues des modèles de base sont combinées à travers un méta-ensemble basé sur l’empilement et utilisées ensuite dans une couche décisionnelle basée sur des règles pour catégoriser les agencements résidentiels en soins aux personnes âgées, soins médicaux ou résidentiels généraux. L’évaluation expérimentale a démontré une performance prédictive robuste sur plusieurs variables cibles. Le modèle proposé a atteint une erreur absolue moyenne (MAE) de 432,48 et un coefficient de détermination (R²) de 0,7053 pour la prédiction de la superficie. Pour la prévision des toilettes, le cadre a atteint R² de 0,7605, tandis que la prévision du garage a donné le MAE le plus bas de 0,1697 et le plus haut^{R 2} de 0,6958. Des analyses qualitatives ont également démontré la capacité du cadre à générer des prédictions d’attributs architecturaux et à soutenir l’évaluation de la disposition résidentielle orientée application. Pour améliorer la transparence et l’interprétabilité, des explications additives SHapley ont été intégrées pour quantifier la contribution de chaque modèle de base aux prédictions finales. Le cadre proposé offre une approche interprétable et évolutive pour l’analyse des plans d’étage résidentiels et le soutien à la décision.

Introduction

Le développement rapide des technologies de villes intelligentes et des environnements de vie intelligents a créé une demande croissante pour des solutions automatisées et basées sur les données dans la conception résidentielle. En particulier, le vieillissement croissant de la population et la demande de logements orientés vers la santé ont renforcé l’importance de concevoir des espaces résidentiels à la fois fonctionnels et adaptés aux besoins de groupes d’utilisateurs^{spécifiques 1,2}. Les méthodes conventionnelles d’analyse des plans architecturaux sont souvent manuelles, longues et dépendantes d’une interprétation experte ; par conséquent, ils sont inefficaces et difficiles à mettre en valeur. Cela a créé un fort besoin de systèmes intelligents capables d’analyser automatiquement les agencements résidentiels et de soutenir une prise de décision^{éclairée 3}.

Les avancées récentes en intelligence artificielle (IA), en particulier dans l’apprentissage profond (DL) et la vision par ordinateur, ont considérablement amélioré l’analyse des données basées sur des images. Les réseaux de neurones convolutionnels (CNN) se sont révélés très efficaces pour l’extraction de caractéristiques spatiales et l’apprentissage de motifs visuels complexes, les rendant adaptés à l’analyse d’images sur plans ^{d’étage 4,5,6}. Ces modèles peuvent apprendre des représentations implicites des structures de pièces, de l’organisation de la disposition et des relations spatiales essentielles pour prédire les attributs^{architecturaux 7,8}. Cependant, la dépendance à un seul modèle DL peut limiter la généralisation car différentes architectures peuvent se concentrer sur des caractéristiques spatiales distinctes et présenter des biais liés à la variabilité^{architecturale 9}. Malgré ces avancées, les approches existantes manquent souvent d’un cadre intégré qui combine plusieurs modèles, supporte la prédiction multi-sortie et offre une interprétabilité au niveau de l’application. De plus, l’évaluation résidentielle axée sur la santé et l’explicabilité ont reçu une attention relativement limitée dans les systèmes d’analyse des plans d’étage. L’absence de tels cadres complets limite l’applicabilité pratique et l’interprétabilité, en particulier dans les domaines où la transparence et l’assistance à la décision sont importantes^{10, 11, 12}.

L’IA a également largement contribué à l’analyse automatisée et à la génération de plans architecturaux d’étage. Une étude a étudié l’utilisation de l’apprentissage automatique (ML) pour transformer des images de plans d’étage bidimensionnelles en modèles^{tridimensionnels 13}. Les auteurs ont souligné les limites des méthodes conventionnelles basées sur la conception assistée par ordinateur (CAO) et ont souligné l’importance de pipelines évolutifs basés sur l’IA pour la compréhension spatiale. Leurs résultats ont démontré que DL peut efficacement extraire des informations structurelles des plans d’étage, bien que des défis liés à la généralisation et à la variabilité des données subsistent. Une autre étude a proposé un cadre d’apprentissage par renforcement profond multi-agents pour la génération automatisée de plans^{d’étage 14}. Bien que cette approche offre une grande flexibilité et personnalisation pour la conception architecturale, elle se concentre principalement sur la génération de conception plutôt que sur l’analyse prédictive des plans d’étage existants.

Une étude complète sur la récupération des plans d’étage a examiné les caractéristiques sémantiques, spatiales, basées sur la forme et les textures pour l’apprentissage des plans¹⁵. L’enquête a souligné l’importance des modèles DL, y compris les CNN et les architectures basées sur des transformateurs, pour apprendre des représentations significatives. Cependant, il a également identifié des défis liés au bruit, à la distorsion et à la discrimination des caractéristiques dans les agencements complexes. De même, une approche basée sur le ML a intégré des relations topologiques et visuelles pour la reconnaissance des plans^{d’étage 8}. L’étude a démontré que l’accessibilité visuelle et la connectivité spatiale sont importantes pour comprendre les agencements architecturaux, mais elle n’a pas abordé les stratégies de prédiction multi-sorties ni d’apprentissage en ensemble. L’IA générative a également été explorée dans les applications architecturales. Une revue de l’IA générative en architecture a examiné l’utilisation des réseaux antagonistes génératifs (GAN), des autoencodeurs variationnels (VAE) et des modèles de diffusion pour l’automatisation^{de la conception 16}. Les auteurs ont souligné l’adoption croissante des outils d’IA dans les flux de travail architecturaux pratiques. Cependant, l’objectif principal de ce travail était la génération de conception plutôt que la modélisation prédictive ou les applications d’aide à la décision. L’IA explicable est devenue de plus en plus importante pour interpréter les modèles DL. Une étude a proposé un cadre basé sur SHapley Additive ExPlanations (SHAP) pour interpréter les modèles DL dans les applications de simulation^{urbaine 17}. Les résultats ont démontré que SHAP peut identifier des caractéristiques influentes et améliorer l’interprétabilité à la fois au niveau mondial et local. Bien que l’étude soutienne la valeur de SHAP dans les applications spatiales, elle n’a pas étudié son intégration avec les cadres d’apprentissage en ensemble. Les développements récents dans les architectures DL ont encore amélioré les performances dans les tâches basées sur l’image. Une étude a présenté une revue complète des modèles DL contemporains, incluant les architectures basées sur CNN et^{transformateurs 18}. L’étude a mis en lumière l’importance de la sélection de modèles et des architectures hybrides pour améliorer la performance en généralisation. Cependant, il ne traitait pas spécifiquement des demandes d’analyse de plans d’étage. Les ensembles de données à grande échelle ont également facilité les avancées dans l’analyse architecturale. Par exemple, une étude a introduit un jeu de données de référence contenant des milliers de plans d’étage^{complexes 19}. L’étude a démontré que les modèles existants continuent de rencontrer des défis lors de l’analyse de grandes aménagements et de plusieurs appartements, soulignant la nécessité d’approches plus robustes et généralisables.

DL a également été largement étudié dans l’apprentissage d’ensemble. Une étude récente sur les méthodes en ensemble profond a indiqué que la combinaison de plusieurs modèles peut améliorer significativement la précision prédictive et la robustesse en réduisant le biais et la variance²⁰. Malgré leur efficacité, ces méthodes n’ont pas été largement appliquées à l’analyse des plans architecturaux, en particulier dans les tâches de régression multi-output. De plus, des études récentes en analyse automatisée des plans d’étage ont mis en lumière l’importance de cadres intégrés combinant prédiction, classification et^{interprétabilité} 21,22,23. Les recherches existantes se concentrent généralement sur des fonctions individuelles, telles que l’extraction de caractéristiques, la génération de disposition ou la classification. Par conséquent, une lacune claire subsiste dans le développement d’un cadre unifié intégrant l’apprentissage multimodèle, l’évaluation de la disposition résidentielle et l’IA explicable. Bien que des avancées considérables aient été réalisées en DL et en analyse architecturale, plusieurs lacunes de recherche subsistent. La plupart des études existantes se concentrent sur la reconnaissance des plans d’étage, l’extraction de caractéristiques ou la génération de disposition sans fournir un cadre unifié qui supporte à la fois la prédiction multi-sortie et la prise de décision au niveau de l’application. De plus, de nombreuses approches reposent sur un seul modèle DL, ce qui peut limiter leur capacité à capturer diverses caractéristiques spatiales et introduire des biais spécifiques au modèle. L’apprentissage d’ensemble pour l’analyse des plans d’étage reste relativement peu exploré, notamment en ce qui concerne l’intégration de modèles hétérogènes pour améliorer la robustesse. De plus, une attention limitée a été accordée à la classification résidentielle, avec un accent sur les considérations liées au logement orienté vers les personnes âgées et l’interprétabilité. Puisque de nombreux modèles DL fonctionnent comme des boîtes noires, comprendre la base de leurs prédictions reste un défi. Ces limitations soulignent la nécessité d’un cadre complet intégrant l’apprentissage multimodèle, la prédiction précise, la classification résidentielle orientée application et l’IA explicable.

Cette étude présente un cadre automatisé pour l’analyse des images de plans résidentiels, en mettant l’accent sur la conscience spatiale et l’évaluation de la disposition résidentielle, afin de relever ces défis. Le cadre proposé introduit un modèle DL méta-ensemble, CARE-MIRV-Net, qui intègre quatre CNN complémentaires — MobileNetV2, InceptionV3, ResNet101 et VGG16 — dans une architecture basée sur^{le empilement 24, 25, 26, 27}. Chaque modèle prédit indépendamment des attributs architecturaux clés, notamment la superficie, le nombre de chambres, de salles de bains et de garages. Ces prédictions sont ensuite combinées par un méta-apprenant pour générer des prédictions affinées. De plus, une couche décisionnelle basée sur des règles est utilisée pour catégoriser les agencements résidentiels en soins aux personnes âgées, soins médicaux ou résidentiels généraux en fonction des attributs prédits.

Les contributions de cet ouvrage sont les suivantes. Tout d’abord, un cadre DL méta-ensemble est proposé pour la prédiction multi-sortie des attributs architecturaux à partir des images de plans résidentiels. Deuxièmement, le modèle CARE-MIRV-Net intègre quatre architectures CNN pour améliorer la précision et la généralisation des prédictions. Troisièmement, une couche de décision basée sur des règles est intégrée pour soutenir la catégorisation de la disposition résidentielle orientée application basée sur des attributs architecturaux prédits. Quatrièmement, l’IA explicable basée sur SHAP est intégrée pour améliorer la transparence et l’interprétabilité des modèles. Enfin, des expériences approfondies sont menées pour évaluer le cadre proposé en utilisant l’erreur absolue moyenne (MAE) et le coefficient de détermination (R²) comme indicateurs de performance.

Protocole

Cette étude a utilisé un ensemble de données public disponible sur la plateforme Kaggle (Floor Plan Images and Their Details, disponible à : https://www.kaggle.com/datasets/adilmohammed/floor-plan-images-and-their-details ; consulté le 16 avril 2026). Elle n’impliquait pas de participants humains, d’animaux ou de données personnellement identifiables ; par conséquent, l’approbation éthique et le consentement éclairé n’étaient pas requis.

Ce protocole présente un cadre piloté par l’IA pour l’analyse automatisée des images de plans résidentiels, avec un accent sur la conception spatialement consciente et orientée santé. Le flux de travail expérimental complet est présenté à la Figure 1. Le protocole est conçu pour combler le fossé entre la prédiction des caractéristiques architecturales de bas niveau et la prise de décision appliquée de haut niveau. Il intègre DL, modélisation d’ensemble et IA explicable pour fournir une solution précise, robuste et interprétable pour analyser les agencements résidentiels. Le cadre se compose de plusieurs étapes, débutant par l’acquisition et le prétraitement des données, suivies de l’apprentissage des caractéristiques utilisant des CNN profonds, de la prédiction méta-ensemble, et enfin de la classification au niveau applicatif. Initialement, les images de plans d’étage et leurs attributs architecturaux correspondants sont prétraités par redimensionnement, normalisation et augmentation des données afin d’assurer la cohérence et d’améliorer la généralisation. Toutes les images de plans d’étage ont été redimensionnées à 224 × 224 pixels et normalisées à la plage [0, 1]. L’augmentation des données a été appliquée pendant l’entraînement en utilisant des basculements horizontaux aléatoires, des rotations, des zooms et des décalages largeur/hauteur afin d’améliorer la généralisation du modèle et de réduire le surapprentissage. Aucun retournement vertical n’a été appliqué. Les paramètres d’augmentation complets et les détails d’implémentation sont fournis dans le Fichier Supplémentaire 1. Les données traitées ont ensuite été utilisées pour entraîner plusieurs modèles DL pour l’extraction et la prédiction des caractéristiques. Tous les modèles de base et le méta-apprenant CARE-MIRV-Net ont été entraînés selon une configuration cohérente, incluant l’augmentation des données, l’arrêt précoce et la planification adaptative du taux d’apprentissage. L’arrêt précoce surveillait la perte de validation (val_loss) avec une valeur de patience de 5 époques, et les meilleurs poids du modèle étaient rétablis automatiquement après l’entraînement. La planification adaptative du taux d’apprentissage a été mise en œuvre à l’aide du callback ReduceLROnPlateau, qui surveillait la perte de validation et réduisait le taux d’apprentissage d’un facteur 0,3 après 2 époques sans amélioration, avec un taux d’apprentissage minimum de 1 × 10⁻⁷. Les détails complets de l’implémentation et les paramètres sont fournis dans le Fichier Supplémentaire 1. L’ensemble de données a été divisé aléatoirement en ensembles d’entraînement et de test en utilisant un ratio de répartition 80:20. Une graine aléatoire fixe (42) a été utilisée pour garantir la reproductibilité. Les détails complets de la mise en œuvre sont fournis dans le Fichier Supplémentaire 1.

Figure 1. Flux de travail du cadre CARE-MIRV-Net pour l’analyse des plans résidentiels. Aperçu schématique du protocole proposé. Le flux de travail comprend (1) l’acquisition et le prétraitement des ensembles de données, (2) l’apprentissage et la prédiction des fonctionnalités utilisant MobileNetV2, InceptionV3, ResNet101 et VGG16, (3) la prédiction méta-ensemble basée sur le empilement utilisant CARE-MIRV-Net, (4) la classification de la disposition résidentielle basée sur des règles, (5) l’analyse d’interprétabilité basée sur SHapley Additive ExPlanations (SHAP), et (6) l’évaluation des performances. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Dans la deuxième phase, quatre CNN pré-entraînés, MobileNetV2, InceptionV3, ResNet101 et VGG16, sont utilisés comme apprenants de base. Chaque modèle est affiné grâce à l’apprentissage par transfert pour prédire les attributs architecturaux clés, notamment la superficie, le nombre de chambres, de salles de bains et de garages. Pour chaque modèle d’apprentissage par transfert, les couches inférieures pré-entraînées étaient maintenues figées, tandis que les couches supérieures et la tête de régression personnalisée étaient affinées pendant l’entraînement. Des configurations détaillées d’ajustement précis spécifiques au modèle sont fournies dans le Fichier Supplémentaire 1. Ces modèles capturent différents aspects de l’information spatiale : MobileNetV2 offre une extraction efficace des caractéristiques, InceptionV3 capture des motifs spatiaux multi-échelles, ResNet101 apprend des représentations hiérarchiques profondes, et VGG16 assure un apprentissage stable et cohérent des caractéristiques. La diversité entre ces modèles renforce la capacité globale de représentation du cadre.

Pour améliorer davantage la précision et la robustesse de la prédiction, un modèle méta-ensemble basé sur l’empilement, appelé CARE-MIRV-Net, est proposé. À cette étape, les prédictions de tous les modèles de base sont regroupées pour créer un espace de caractéristiques de dimension supérieure, qui est introduit par un méta-apprenant. Les prédictions du modèle de base sont d’abord générées indépendamment à l’aide des modèles entraînés MobileNetV2, InceptionV3, ResNet101 et VGG16. Ces prédictions sont ensuite concaténées pour former le vecteur méta-caractéristique utilisé par le méta-apprenant. Pour éviter la fuite de données, les ensembles de données d’entraînement et de test sont strictement séparés, et le méta-apprenant est entraîné uniquement sur les prédictions générées à partir des données d’entraînement. Le méta-modèle, qui est un réseau de neurones entièrement connecté, est entraîné à apprendre la combinaison optimale des résultats du modèle de base afin de produire des prédictions affinées. Le méta-modèle se compose de deux couches entièrement connectées avec 512 et 256 neurones utilisant l’activation ReLU, suivies de couches de dropout (0,4 et 0,3) et d’une couche de sortie linéaire. Le modèle est entraîné à l’aide de l’optimiseur Adam (taux d’apprentissage = 0,0001), d’une taille de lot de 32 et jusqu’à 15 époques. L’arrêt précoce a été mis en œuvre en surveillant la perte de validation (val_loss) avec une valeur de patience de 5 époques. Le critère minimum d’amélioration (min_delta) était fixé à la valeur par défaut de TensorFlow de 0, et les meilleurs poids du modèle étaient automatiquement restaurés après l’entraînement. La planification adaptative du taux d’apprentissage a été mise en œuvre via le callback ReduceLROnPlateau, qui surveillait la perte de validation et réduisait le taux d’apprentissage d’un facteur 0,3 après deux époques consécutives sans amélioration. Le taux d’apprentissage minimal était fixé à 1 × 10⁻⁷, et le paramètre de temps de recharge utilisait la valeur par défaut de TensorFlow de 0. Cette méthode d’ensemble réduit les biais individuels des modèles et améliore la généralisation grâce aux forces complémentaires de plusieurs architectures. Des informations détaillées sur la mise en œuvre sont fournies dans le Fichier Supplémentaire 1.

Après prédiction, une couche d’interprétation est ajoutée pour convertir les sorties numériques en décisions au niveau de l’application. Les aménagements résidentiels peuvent être classés en trois catégories selon les prédictions des caractéristiques architecturales : soins aux personnes âgées, intégration des soins de santé (soins médicaux) et usage résidentiel général. Cette classification est réalisée selon des règles de décision prédéfinies basées sur des seuils, basées sur la superficie prédite, le nombre de chambres et le nombre de salles de bain. La catégorie avec le score le plus élevé est attribuée comme classification finale, tandis que les égalités sont résolues en sélectionnant la catégorie répondant au plus grand nombre de critères de décision. Les règles complètes de notation et les seuils de classification sont fournis dans le Fichier Supplémentaire 2 (Algorithme 1). Cette action permet au cadre de fournir des informations pratiques pour la conception de logements résidentiels.

Le cadre utilise une IA explicable avec SHAP pour offrir transparence et interprétabilité. Cette composante examine la contribution des prédictions de chaque modèle de base à la sortie du méta-modèle. L’analyse SHAP a été réalisée à l’aide de SHAP KernelExplainer (SHAP version 0.51.0) avec 100 échantillons d’entraînement sélectionnés aléatoirement comme jeu de données de fond et 50 échantillons de test pour la génération d’explications. La configuration complète de SHAP, incluant la sélection d’échantillons en arrière-plan et les paramètres d’implémentation, est fournie dans le fichier supplémentaire 1. La couche d’explicabilité aide à comprendre le processus décisionnel en mesurant l’importance des caractéristiques et en affichant les schémas de contribution, améliorant ainsi la transparence et la fiabilité du modèle. Le cadre proposé est évalué en utilisant MAE et^{R 2} pour toutes les variables cibles. Pour la prédiction multioutput, l’EMA a été calculée comme la différence absolue moyenne entre les valeurs réelles et prédites sur toutes les variables cibles, tandis que R² a été calculée en comparant la variance expliquée des prédictions avec les valeurs de vraité fondamentale correspondantes pour chaque sortie. Les analyses quantitatives et qualitatives indiquent que le projet CARE-MIRV-Net proposé améliore la précision des prédictions et soutient la classification de la disposition résidentielle basée sur des règles. La fiabilité de la classification a été évaluée en fonction de la précision des prédictions de régression sous-jacentes et de la cohérence de la couche décisionnelle basée sur des règles. Ce cadre constitue une solution adaptée et évolutive pour l’analyse intelligente des plans d’étage et peut être appliqué au logement intelligent, à la planification des soins aux personnes âgées et à la conception résidentielle orientée santé. Une liste complète des ensembles de données, logiciels de l’architecture, des bibliothèques, des ressources matérielles et des outils informatiques utilisés dans cette étude est fournie dans le Table des Matériaux. Le code source, les informations de configuration de l’environnement, les spécifications de dépendance logicielle et les scripts d’implémentation nécessaires pour reproduire le flux de travail rapporté sont fournis dans le Fichier Supplémentaire 1.

Algorithme pour le protocole

Le cadre proposé adopte une approche en plusieurs étapes pour traiter les plans d’étage basés sur des images de maisons résidentielles et produire des résultats prédictifs et de niveau décisionnel, comme illustré dans l’Algorithme 1 dans le Fichier Supplémentaire 2. Ce processus commence par le prétraitement des données, où les images d’entrée sont redimensionnées à une résolution standard et normalisées pour assurer l’uniformité dans tout le jeu de données. Toutes les images de plans d’étage ont été redimensionnées à 224 × 224 pixels et normalisées à la plage [0, 1]. Cette étape optimise les images pour l’apprentissage par les réseaux de neurones profonds et améliore la convergence globale du modèle. La deuxième phase consiste à utiliser plusieurs modèles DL comme apprenants de base, notamment MobileNetV2, InceptionV3, ResNet101 et VGG16. De manière indépendante, chaque modèle prend les images d’entrée et estime des caractéristiques architecturales importantes telles que la superficie et le nombre de chambres, salles de bains et garages. Le jeu de données a été divisé aléatoirement en ensembles d’entraînement et de test utilisant un ratio de répartition 80:20, et une graine aléatoire fixe a été utilisée pour garantir la reproductibilité. Ces modèles capturent différentes propriétés spatiales des plans d’étage et fournissent des prédictions complémentaires. La représentation des caractéristiques est ensuite construite en empilant les sorties de chaque modèle de base pour créer une seule représentation des caractéristiques. Cette sortie conjointe est ensuite alimentée dans un modèle méta-ensemble, CARE-MIRV-Net, qui est entraîné à combiner les prédictions de tous les modèles de base. Les prédictions du modèle de base ont été générées indépendamment et concaténées pour former le vecteur méta-caractéristique. La fuite de données a été évitée grâce à une séparation stricte des ensembles de données d’entraînement et de test. Le méta-modèle affine ces prédictions et produit les prévisions finales des attributs architecturaux. Le méta-modèle se composait de couches entièrement connectées avec 512 et 256 neurones, des fonctions d’activation de ReLU, des taux d’abandon de 0,4 et 0,3, l’optimiseur Adam (taux d’apprentissage = 0,0001), une taille de lot de 32, et jusqu’à 15 époques d’entraînement avec arrêt précoce. Après prédiction, une couche de décision est utilisée pour contextualiser les résultats. Selon les valeurs estimées, chaque configuration résidentielle est classée en soins aux personnes âgées, soins médicaux ou usage résidentiel général. Les catégories résidentielles ont été attribuées à l’aide de règles de notation prédéfinies basées sur des seuils, dérivées des attributs de plan d’étage prédits. La catégorie ayant obtenu le score le plus élevé était sélectionnée comme classement final. Les seuils de classification complets et les règles de décision sont fournis dans l’Algorithme 1 (Fichier Supplémentaire 2). Enfin, le cadre intègre une composante d’explicabilité basée sur SHAP pour évaluer l’impact de chaque modèle de base sur la prédiction finale. L’analyse SHAP a été réalisée comme décrit précédemment et dans le Fichier Supplémentaire 1. Cette composante augmente la transparence et aide à comprendre le processus décisionnel. L’efficacité et la viabilité de l’approche proposée ont été évaluées à l’aide de mesures standard de performance en régression. La performance a été évaluée à l’aide d’une seule expérience avec une graine aléatoire fixe.

Modèles d’évaluation

Dans cette section, les modèles DL utilisés dans l’étude sont présentés, incluant à la fois les modèles de base individuels et le projet CARE-MIRV-Net. Les modèles benchmark ont été sélectionnés pour représenter des architectures DL diverses et largement adoptées. MobileNetV2 a été inclus comme un réseau léger et efficace en calcul, et InceptionV3 a été sélectionné pour sa capacité à capturer des caractéristiques spatiales multi-échelles. ResNet101 a été choisi en raison de sa capacité d’apprentissage résiduel profond pour l’extraction hiérarchique de caractéristiques, et VGG16 a été inclus comme une architecture convolutionnelle bien établie. Tous les modèles de benchmark ont été entraînés en utilisant des procédures de prétraitement identiques, des paramètres d’augmentation des données, des partitions de jeux de données, des paramètres d’optimisation, la taille du lot et la configuration d’entraînement afin d’assurer une évaluation comparative équitable.

MobileNetV2 :

MobileNetV2 est un système CNN petit et compact, conçu pour être rapide, performant et avec moins de complexité de calcul. Il présente certaines des innovations majeures telles que les connexions résiduelles inversées et les goulets d’étranglement linéaires, qui facilitent une extraction efficace des caractéristiques tout en conservant un haut pouvoir de représentation. MobileNetV2 peut utiliser des convolutions séparables en profondeur pour minimiser considérablement le nombre total de paramètres et le coût de calcul des réseaux convolutionnels traditionnels, et il est donc bien adapté aux grands problèmes d’apprentissage basés sur des images.

MobileNetV2 est utilisé dans le cadre suggéré comme l’un des modèles DL fondamentaux pour prédire les attributs architecturaux des images de plans résidentiels. Le modèle est capable d’apprendre efficacement les motifs spatiaux tels que la répartition des pièces, la densité de la disposition et l’organisation structurelle qui se produisent dans les plans d’étage grâce à son design efficace. De telles représentations érudites jouent un rôle important pour estimer avec précision des éléments importants tels que la superficie, le nombre de chambres, de salles de bains et de garages. MobileNetV2 est un modèle léger, qui est un bon candidat pour être inclus dans le cadre proposé de méta-ensemble. Il ajoute certaines représentations de caractéristiques complémentaires à d’autres modèles DL, et améliore la robustesse globale et la généralisation du système. Cet apprentissage des modèles est très important pour améliorer la précision des prédictions et aider à la classification des conceptions résidentielles basées sur le secteur de la santé.

Le modèle MobileNetV2 est entraîné en utilisant une stratégie d’apprentissage par transfert avec des poids pré-entraînés issus de l’ensemble de données ImageNet. Les images d’entrée sont mises à l’échelle à une taille fixe de 224 × 224 × 3, ce qui est compatible avec l’architecture. Les images ont été redimensionnées à 224 × 224 pixels, normalisées à la plage [0, 1], et augmentées par des basculements aléatoires, des rotations, des zooms et des décalages. Un lot de 32 exemplaires a été utilisé lors de la formation. La tête de classification initiale de MobileNetV2 est retirée et remplacée par une tête de régression. La tête de régression comprenait une couche de pool moyenne globale, suivie de couches entièrement connectées avec 512 et 256 neurones, de la normalisation par lots, des couches de dropout (0,4 et 0,3), et d’une couche de sortie linéaire à quatre neurones. Pour faciliter l’adaptation du domaine, les couches inférieures pré-entraînées ont été congelées, tandis que les couches supérieures à partir de block_13_expand et la tête de régression personnalisée ont été affinées. Cette approche sélective permet au modèle de conserver des caractéristiques visuelles générales tout en apprenant les attributs spatiaux spécifiques au domaine des images de plans d’étage. Les cartes de caractéristiques extraites sont traitées via une couche de pool global de moyenne et des couches entièrement connectées avec 512 et 256 neurones grâce à l’activation ReLU. Pour améliorer la généralisation et réduire le sur-ajustement, des couches de normalisation par lots et de dropout (0,4 et 0,3) sont intégrées. La couche finale de sortie contient quatre neurones à activation linéaire correspondant aux attributs architecturaux prédits. L’optimiseur Adam était utilisé avec un taux d’apprentissage de 0,0001 et des paramètres par défaut TensorFlow/Keras (β₁ = 0,9, β₂ = 0,999, ε = 1 × 10⁻⁷, amsgrad = Faux). Pour la prédiction multioutput, MAE et R² ont été calculés en comparant les valeurs prédite et réelles pour chaque variable cible, puis en moyennant les résultats sur toutes les sorties. L’arrêt précoce a été appliqué sur la base de la perte de validation, et la réduction adaptative du taux d’apprentissage a été utilisée pour améliorer la convergence. La formation a été réalisée jusqu’à 15 époques.

InceptionV3 :

InceptionV3 est une architecture CNN profonde capable de capturer des caractéristiques multi-échelle grâce à l’utilisation d’opérations convolutionnelles parallèles. Elle repose sur le module Inception, qui utilise différentes tailles de filtre dans la même couche pour extraire simultanément des caractéristiques à grain fin et grossière. Ce type de conception architecturale permet au réseau d’apprendre des hiérarchies spatiales complexes et d’être efficace sur le plan informatique. En plus de cela, InceptionV3 utilise des convolutions factorisées et une réduction de dimensionnalité, qui améliorent les performances et minimisent les coûts de calcul.

InceptionV3 est appliqué dans le cadre proposé comme extracteur de caractéristiques efficace pour analyser les images de plans résidentiels. Les plans d’étage comprennent une variété de motifs spatiaux, tels que la taille des pièces, les plans structurels et la connectivité, nécessitant l’apprentissage des caractéristiques multi-échelles. L’architecture Inception est particulièrement mieux adaptée à cette tâche car elle peut représenter simultanément des spécificités locales (par exemple, de petites pièces) et des structures globales (par exemple, l’organisation de la disposition globale). InceptionV3 fournit des représentations complémentaires à d’autres modèles comme MobileNetV2 dans le cadre du méta-ensemble. La diversité des prédictions est accrue par sa capacité à modéliser des relations spatiales complexes, ce qui est important pour améliorer la performance de l’ensemble. Cela aide finalement à mieux prédire les caractéristiques architecturales et renforce la classification en aval des logements adaptés aux personnes âgées et intégrés aux soins de santé.

Le modèle InceptionV3 est entraîné en utilisant une approche de transfert et d’apprentissage avec des poids pré-entraînés issus du jeu de données ImageNet. Les images d’entrée sont adaptées à 224 × 224 × 3 afin d’assurer la compatibilité avec l’architecture réseau et la cohérence entre tous les modèles du framework. Les images ont été redimensionnées à 224 × 224 pixels, normalisées à la plage [0, 1], et augmentées par des basculements aléatoires, des rotations, des zooms et des décalages. Un lot de 32 exemplaires a été utilisé lors de la formation.

Les couches de classification originales d’InceptionV3 sont supprimées, et une tête de régression personnalisée est introduite pour permettre la prédiction multioutput. La tête de régression personnalisée comprenait une couche de pool global moyen, suivie de couches entièrement connectées avec 512 et 256 neurones, une normalisation par lots, des couches de dropout (0,4 et 0,3), et une couche de sortie linéaire à quatre neurones. La base convolutionnelle est partiellement affinée, les couches inférieures pré-entraînées sont congelées et les couches supérieures, ainsi que la tête de régression personnalisée, sont affinées pour apprendre les caractéristiques spécifiques au plan d’étage tout en conservant les représentations visuelles générales acquises lors du préentraînement. Après la colonne vertébrale convolutionnelle, une couche de pool global de moyenne transforme les cartes de caractéristiques en une représentation compacte des caractéristiques. Cela est suivi par des couches entièrement connectées contenant 512 et 256 neurones avec des fonctions d’activation de ReLU. Pour minimiser le surapprentissage et améliorer la généralisation, des taux d’abandon de 0,4 et 0,3 sont appliqués. La couche finale de sortie est composée de quatre neurones avec une activation linéaire correspondant à la prédiction de la superficie, du nombre de chambres, du nombre de salles de bains et du nombre de garages. Le modèle est entraîné à l’aide de l’optimiseur Adam avec un taux d’apprentissage de 0,0001, une taille de lot de 32 et jusqu’à 15 époques d’entraînement avec arrêt précoce et réduction du taux d’apprentissage adaptatif pour assurer une convergence stable.

ResNet101 :

ResNet101 est une structure profonde du CNN construite sur le principe de l’apprentissage résiduel, ce qui permet d’entraîner des réseaux extrêmement profonds en surmontant le problème du gradient nul. Il ajoute des connexions résiduelles, ou appelées connexions de saut, qui permettent au réseau d’apprendre les correspondances d’identité et de conserver les informations entre les couches. Cette architecture améliore grandement la stabilité de l’entraînement et permet au modèle d’apprendre des caractéristiques hiérarchiques complexes. ResNet101 possède une grande capacité de représentation de 101 couches et est donc très efficace pour les tâches nécessitant des fonctionnalités spatiales supplémentaires.

ResNet101 sera utilisé dans le cadre proposé comme extracteur de caractéristiques à haute capacité, qui analysera les images des plans résidentiels. Le modèle peut être utilisé pour représenter des relations spatiales complexes, incluant la connectivité des pièces, la complexité de la disposition et les variations structurelles, en raison de son architecture profonde. Ces caractéristiques sont essentielles pour faire des prévisions précises sur des éléments architecturaux tels que la superficie, les chambres, les salles de bains et les garages. Dans la conception de l’ensemble méta, ResNet101 est un élément important et offre des représentations profondes et abstraites des caractéristiques. ResNet101 s’intéresse davantage aux caractéristiques structurelles fines et est donc plus diversifié parmi les apprenants de base comparé aux modèles légers comme MobileNetV2. Cette hétérogénéité joue un rôle essentiel dans l’amélioration de la performance d’un ensemble et des prédictions solides, notamment lorsqu’il s’agit de la classification résidentielle basée sur le secteur de la santé.

ResNet101 est entraîné selon une approche de transfert et d’apprentissage avec des poids pré-entraînés issus de l’ensemble de données ImageNet. Les images d’entrée sont mises à l’échelle à 224 × 224 × 3, ce qui garantit la compatibilité architecturale et la cohérence entre tous les modèles du cadre. Les images ont été redimensionnées à 224 × 224 pixels, normalisées à la plage [0, 1], et augmentées par des basculements aléatoires, des rotations, des zooms et des décalages. Un lot de 32 exemplaires a été utilisé lors de la formation. La tête de classification originale de ResNet101 est supprimée (include_top=Faux), et une tête de régression personnalisée est introduite pour permettre la prédiction multioutput. La tête de régression comprenait une couche de pool moyenne globale, suivie de couches entièrement connectées avec 512 et 256 neurones, de la normalisation par lots, des couches de dropout (0,4 et 0,3), et d’une couche de sortie linéaire à quatre neurones. Pour équilibrer la réutilisation des caractéristiques et l’adaptation du domaine, les couches pré-entraînées inférieures ont été figées, tandis que les couches plus profondes à partir de conv4_block1_1_conv et la tête de régression personnalisée ont été affinées. Cette stratégie d’entraînement sélectif permet au modèle de conserver des caractéristiques visuelles génériques tout en adaptant des représentations de niveau supérieur aux images sur plan d’étage. La sortie de la base convolutionnelle est passée à travers une couche de pool global de moyenne pour générer une représentation compacte des caractéristiques. Cela est suivi par des couches entièrement connectées avec 512 et 256 neurones utilisant des fonctions d’activation de ReLU. La normalisation par lots est appliquée pour stabiliser l’apprentissage, et des couches de dropout avec des taux de 0,4 et 0,3 sont intégrées pour réduire le surapprentissage et améliorer la généralisation. La couche finale de sortie contient quatre neurones avec une activation linéaire correspondant à la superficie, au nombre de chambres, de salles de bains et de garages. L’optimiseur Adam était utilisé avec un taux d’apprentissage de 0,0001, comme décrit dans la configuration d’entraînement. L’augmentation des données comprenait des basculements aléatoires, des rotations, des zooms et des décalages pour améliorer la généralisation des modèles. La formation a été réalisée jusqu’à 15 époques, avec un arrêt précoce basé sur la perte de validation et la réduction du taux d’apprentissage adaptatif.

VGG16 :

VGG16 est une architecture de réseau de neurones simple de type convolutionnel profond, efficace et simple pour les tâches de reconnaissance visuelle. Il est composé de 16 couches avec un design régulier ou homogène incorporant de petits filtres convolutifs 3 × 3, qui facilitent l’apprentissage des représentations hiérarchiques des caractéristiques par le réseau. L’architecture est axée sur la profondeur et simpliste, ce qui signifie qu’elle est capable de capturer des détails de bas niveau comme les contours, les textures et les structures sémantiques de haut niveau. VGG16, avec sa conception habituelle et ses bonnes performances, est désormais un choix populaire de colonne vertébrale lors de l’apprentissage par transfert dans des tâches liées à l’image.

Dans le modèle suggéré, VGG16 est utilisé comme modèle de base DL pour dériver des caractéristiques spatiales des images de plans résidentiels. Le fait qu’il soit organisé lui permet d’être très utile pour capturer les détails fins des motifs de disposition tels que les limites des pièces, les alignements structurels et l’organisation spatiale. Ces caractéristiques sont essentielles pour prévoir efficacement les caractéristiques de l’architecture telles que les pieds carrés, les chambres, les salles de bains et les garages. Dans le système méta-ensemble, VGG16 fournit des représentations de caractéristiques stables et bien généralisées. VGG16 propose une approche d’extraction de fonctionnalités plus équilibrée comparée aux architectures plus profondes, comme ResNet101, et aux architectures multiéchelle, comme InceptionV3, augmentant la diversité des apprenants de base. Cette hétérogénéité est essentielle pour améliorer la performance de l’ensemble et les prévisions fiables de la classification résidentielle axée sur le secteur de la santé.

Le modèle VGG16 est entraîné en utilisant une approche de transfert-apprentissage avec des poids pré-entraînés issus du jeu de données ImageNet. Les images d’entrée sont mises à l’échelle à 224 × 224 × 3 afin d’assurer la compatibilité avec l’architecture et la cohérence entre tous les modèles du framework. Les images ont été redimensionnées à 224 × 224 pixels, normalisées à la plage [0, 1], et augmentées par des basculements aléatoires, des rotations, des zooms et des décalages. Un lot de 32 exemplaires a été utilisé lors de la formation. Les couches de classification originales sont supprimées (include_top=Faux), et une tête de régression personnalisée est ajoutée pour adapter le modèle à la prédiction multioutput. La tête de régression comprenait une couche de pool moyenne globale, suivie de couches entièrement connectées avec 512 et 256 neurones, de la normalisation par lots, des couches de dropout (0,4 et 0,3), et d’une couche de sortie linéaire à quatre neurones. Les couches pré-entraînées inférieures étaient congelées, tandis que les couches commençant par block4_conv1 et la tête de régression personnalisée étaient finement réglées. Cette stratégie permet au modèle de conserver des caractéristiques visuelles générales tout en apprenant les représentations spécifiques au domaine pertinentes pour l’analyse des plans d’étage. Les caractéristiques de sortie de la base convolutionnelle sont passées à travers une couche de pooling global moyen pour générer un vecteur de caractéristiques compact. Cela est suivi par des couches entièrement connectées avec 512 et 256 neurones utilisant des fonctions d’activation de ReLU. La normalisation par lots et les couches de dropout avec des taux de 0,4 et 0,3 sont intégrées pour stabiliser l’entraînement, réduire le surapprentissage et améliorer la généralisation. La couche finale de sortie contient quatre neurones avec une activation linéaire correspondant à la superficie, au nombre de chambres, de salles de bain et aux prédictions du garage. L’optimiseur Adam était utilisé avec un taux d’apprentissage de 0,0001, comme décrit dans la configuration d’entraînement. L’augmentation des données comprenait des basculements aléatoires, des rotations, des zooms et des décalages pour améliorer la généralisation des modèles. La formation a été réalisée jusqu’à 15 époques, avec un arrêt précoce basé sur la perte de validation et la réduction du taux d’apprentissage adaptatif.

CARE-MIRV-Net (Modèle DL proposé pour le méta-ensemble) :

Le CARE-MIRV-Net (Context-Aware Residential Ensemble utilisant MobileNetV2, InceptionV3, ResNet101 et VGG16 Network) est un cadre DL basé sur le empilement de méta-ensembles visant à améliorer l’estimation des caractéristiques architecturales sur la base d’images de plans résidentiels. L’architecture combine divers CNN hétérogènes en exploitant leurs avantages synergiques dans l’extraction des fonctionnalités. Le modèle proposé repose sur la combinaison d’architectures légères, profondes et multi-échelles qui améliorent les performances prédictives et offrent robustesse dans une large gamme d’aménagements résidentiels. Contrairement aux techniques traditionnelles basées sur un seul modèle, CARE-MIRV-Net suit une approche d’apprentissage hiérarchique, où les modèles de base fournissent des prédictions initiales, qui sont ensuite améliorées par un méta-apprenant.

Lorsqu’il s’agit d’un design résidentiel qui est spatialement conscient et soucieux de la santé, la bonne interprétation des plans d’étage est d’une importance capitale. Les modèles DL uniques ont tendance à être insuffisants pour généraliser différents motifs architecturaux. Le cadre proposé surmontera cette faiblesse en utilisant quatre architectures différentes : MobileNetV2, InceptionV3, ResNet101 et VGG16, qui apportent leurs propres capacités de représentation. MobileNetV2 peut être utilisé pour extraire efficacement des fonctionnalités et est léger ; InceptionV3 apprend des motifs spatiaux à travers plusieurs échelles ; ResNet101 apprend des représentations hiérarchiques profondes ; et VGG16 apprend les fonctionnalités de manière constante et fiable. Une combinaison de ces modèles facilite le cadre d’intégrer à la fois les attributs spatiaux locaux et globaux, ce qui améliore la précision et la fiabilité des caractéristiques prédites telles que la superficie, le nombre de chambres, de salles de bain et de garages. Les prédictions ci-dessus peuvent également servir à anticiper une classification supplémentaire des aménagements résidentiels, incluant des aménagements adaptés aux personnes âgées, intégrés aux soins de santé et résidentiels en général.

CARE-MIRV-Net est implémenté à l’aide d’une stratégie d’ensemble basée sur le empilement en deux étapes. Lors de la première étape, les quatre modèles de base génèrent indépendamment des prédictions pour les variables cibles. Les entrées méta-apprenants ont été générées en concaténant les sorties de prédiction produites par les modèles de base entraînés sur les données d’entraînement. Ces prédictions concaténées formaient les vecteurs méta-caractéristiques en 16 dimensions utilisés pour l’entraînement des métamodèles. La fuite d’information a été évitée grâce à une séparation stricte des ensembles de données d’entraînement et de test, et aucun échantillon de test n’a été utilisé ni lors de l’entraînement sur modèle de base ni sur métamodèle. Les mêmes ensembles de données d’entraînement et de validation utilisés pour les modèles de base ont été utilisés lors du processus d’empilement. Lors de l’entraînement et de l’inférence, le vecteur méta-caractéristique 16 dimensionnel a été construit en concaténant les quatre sorties de prédiction générées par MobileNetV2, InceptionV3, ResNet101 et VGG16. Puisque chaque modèle génère un vecteur de sortie en quatre dimensions, la représentation concaténée produit une entrée en 16 dimensions pour le méta-apprenant. Cette transformation combine les prédictions de tous les modèles de base et sert d’entrée à la deuxième étape du cadre. La deuxième étape consiste à construire un méta-apprenant entièrement connecté pour un réseau de neurones afin d’apprendre la combinaison optimale des prédictions du modèle de base. Le méta-apprenant se composait de couches entièrement connectées avec 512 et 256 neurones, activation ReLU, normalisation batch, taux d’abandon de 0,4 et 0,3, et une couche linéaire de sortie de quatre neurones. Des couches de dropout avec des taux de 0,4 et 0,3 ont été appliquées après les couches denses afin de réduire le surapprentissage et d’améliorer la généralisation. Le méta-modèle a été entraîné à l’aide de l’optimiseur Adam avec un taux d’apprentissage de 0,0001, une taille de lot de 32, et jusqu’à 15 époques avec arrêt précoce et réduction adaptative du taux d’apprentissage. Les données de validation ont été utilisées pour surveiller la performance du modèle pendant l’entraînement et pour sélectionner le modèle le plus performant. Après l’entraînement, le modèle méta-ensemble générait des prédictions finales en combinant les résultats de tous les apprenants de base. MAE et^R2 ont été utilisés pour évaluer la performance de CARE-MIRV-Net. Pour la prédiction multioutput, MAE et R² ont été calculés en comparant les valeurs prédite et réelles pour chaque variable cible, puis en moyennant les résultats sur toutes les sorties. Les résultats ont été obtenus à partir d’une seule série expérimentale utilisant une graine aléatoire fixe. Le cadre proposé améliore la capacité prédictive en combinant plusieurs structures DL via un mécanisme d’empilement et en fournissant une analyse interprétable des plans résidentiels. Cela rend CARE-MIRV-Net applicable dans le contexte de la conception résidentielle axée sur la gériatrie et orientée vers la santé. Le code source, les informations de configuration de l’environnement, les spécifications de dépendance logicielle et la documentation d’implémentation sont fournis dans le Fichier Supplémentaire 1.

Évaluation des performances

L’analyse de performance du cadre proposé est réalisée afin de déterminer sa puissance prédictive, sa robustesse et sa généralisation selon différentes caractéristiques architecturales. Des analyses quantitatives et qualitatives sont réalisées pour confirmer l’utilité du modèle proposé. La procédure d’évaluation implique à la fois des mesures de régression standard et des environnements expérimentaux contrôlés afin de permettre une comparaison équitable avec les modèles de référence. Les expériences ont été menées à l’aide d’une seule exécution expérimentale avec une graine aléatoire fixe afin d’assurer la reproductibilité et la cohérence à travers tous les modèles de référence et proposés.

Paramètres de performance :

Deux mesures de régression bien connues, MAE et R², sont utilisées pour évaluer la performance du cadre proposé. L’EMA mesure l’amplitude moyenne des erreurs de prédiction et fournit une indication claire de la proximité entre les valeurs prédites et réelles. Inversement, la valeur de R² sert à évaluer la proportion de variance des variables cibles expliquées par le modèle, reflétant ainsi son pouvoir prédictif global. Une combinaison de ces indicateurs permet d’évaluer globalement la précision et la généralisation de la performance de toutes les caractéristiques architecturales prédites. Pour la prédiction multioutput, MAE et R² ont été calculés en comparant les valeurs prédite et réelles pour chaque variable cible, puis en moyennant les résultats sur toutes les sorties.

Installation expérimentale :

Les expériences ont été menées dans un environnement de cloud computing utilisant Python (version 3.12.12). Le protocole proposé a été implémenté avec TensorFlow (version 2.19.0), Keras (version 3.13.2), NumPy (version 2.4.6), Pandas (version 2.3.3), Scikit-learn (version 1.6.1), Matplotlib (version 3.9) et SHAP (version 0.51.0). L’environnement informatique utilisait un processeur Intel Xeon fonctionnant à 2,20 GHz avec environ 31 Go de mémoire système. Les expériences ont été menées sur un système d’exploitation Ubuntu 22.04 LTS utilisant des GPU NVIDIA Tesla T4 × 2. Le jeu de données contient 2 640 images de plans résidentiels qui ont été prétraitées et subdivisées en ensembles de données d’entraînement et de test. Le jeu de données a été divisé selon un ratio de répartition de 80:20, donnant 2 112 échantillons d’entraînement et 528 échantillons de test. MobileNetV2, InceptionV3, ResNet101 et VGG16 sont quatre modèles DL qui ont été entraînés selon une approche de réglage fin avec apprentissage par transfert. Un méta-ensemble basé sur le empilement, CARE-MIRV-Net, a ensuite été construit pour combiner les prédictions issues de ces modèles de base. Chaque modèle a été entraîné dans des conditions uniformes, incluant un redimensionnement de l’image à 224 × 224 pixels, une augmentation des données et des arrêts anticipés pour réduire le surappoint. L’augmentation des données comprenait des basculements aléatoires, des rotations, des zooms et des décalages. Une taille de groupe de 32 et un maximum de 15 époques d’entraînement ont été utilisées, avec un arrêt précoce basé sur la perte de validation et la réduction du taux d’apprentissage adaptatif. L’analyse finale a été réalisée sur un ensemble de test caché afin de fournir une évaluation impartiale et fiable de la performance. L’ensemble de tests caché a été généré lors du partitionnement initial du jeu de données et est resté complètement isolé tout au long de l’entraînement et du développement du modèle afin d’assurer une évaluation impartiale des performances.

Description du jeu de données :

Le jeu de données utilisé pour soutenir les résultats de cette étude est disponible publiquement sur la plateforme Kaggle sous le titre « Images de plans d’étage et leurs détails »²⁸. Le jeu de données est disponible à : https://www.kaggle.com/datasets/adilmohammed/floor-plan-images-and-their-details (consulté le 16 avril 2026). Les données comprennent 2 640 images de plans résidentiels et des métadonnées architecturales organisées. Chaque échantillon est un plan de logement distinct, qui propose une large gamme de configurations résidentielles avec différentes tailles, configurations et agencements spatiaux. La taille du jeu de données est suffisante pour l’entraînement basé sur DL et contient une variété de motifs architecturaux. Le jeu de données se compose d’une image bidimensionnelle du plan d’étage et d’attributs numériques associés décrivant les caractéristiques structurelles de la résidence. Ces caractéristiques incluent la superficie totale, le nombre de chambres, le nombre de salles de bain et le nombre de garages. De plus, chaque enregistrement contient un chemin d’image, ce qui permet de mapper directement les entrées visuelles aux étiquettes. Les variables du jeu de données incluent l’image du plan d’étage, le chemin de l’image, la superficie, le nombre de chambres, le nombre de salles de bains et le nombre de garages. L’image du plan d’étage sert de fonction d’entrée, tandis que les attributs architecturaux servent de cibles de prédiction. Le jeu de données est donc adapté à l’apprentissage supervisé, avec des images servant de caractéristiques d’entrée et des attributs architecturaux de cibles de régression.

L’ensemble de données contient une grande variété de plans résidentiels, allant des plans compacts avec moins de pièces à de grands ensembles multi-pièces. Cette variabilité permet d’apprendre des représentations spatiales significatives, y compris la répartition des pièces, la densité de la disposition et la complexité structurelle. Cette diversité est particulièrement importante pour le cadre proposé, car il permet de catégoriser les plans d’étage en aménagements adaptés aux personnes âgées, intégrés aux soins de santé et résidentiels généraux. Avant l’entraînement du modèle, le jeu de données est traité à travers une séquence de procédures de prétraitement afin d’assurer la cohérence et la compatibilité avec les modèles DL. Toutes les images ont été redimensionnées à 224 × 224 pixels et normalisées à la plage [0, 1] avant l’entraînement. Le jeu de données est ensuite organisé en faisant correspondre les chemins d’image avec leurs métadonnées correspondantes, puis il est séparé en sous-ensembles d’entraînement et de test pour faciliter l’analyse de performance. L’ensemble de données a été divisé aléatoirement en ensembles d’entraînement et de test en utilisant un ratio de répartition 80:20. Les enregistrements contenant des informations complètes sur les images et les métadonnées ont été inclus dans l’analyse, tandis que les enregistrements incomplets ou invalides ont été exclus. Une graine aléatoire fixe était utilisée lors du partitionnement des jeux de données pour garantir la reproductibilité. Le jeu de données fournit une base détaillée pour l’analyse des plans résidentiels pilotée par l’IA. La combinaison de 2 640 images annotées et de divers attributs architecturaux permet la modélisation de régression multi-sortie et permet l’intégration de l’intelligence spatiale avec la prise de décision de conception résidentielle orientée vers le secteur de la santé.

Résultats

Un ensemble d’expériences a été réalisé pour évaluer le cadre proposé en utilisant quatre modèles DL, MobileNetV2, InceptionV3, ResNet101 et VGG16, ainsi que le méta-ensemble proposé CARE-MIRV-Net.

Résultats de l’acquisition et du prétraitement des ensembles de données

La phase de prétraitement a été conçue pour préparer les images brutes du plan d’étage et les métadonnées associées pour l’entraînement et l’évaluation à l’aide de modèles DL. Le jeu de données a été obtenu à partir du dépôt Kaggle et contenait 2 640 échantillons. Chaque échantillon comprenait une image de plan d’étage et ses attributs architecturaux correspondants. Seules les colonnes pertinentes, y compris le chemin de l’image, la superficie, les chambres, les salles de bain et les garages, ont été conservées pour une analyse plus approfondie, et les enregistrements incomplets ou vierges ont été supprimés pour maintenir la cohérence et la qualité des données. Pour faciliter l’entraînement et l’évaluation des modèles, le jeu de données a été divisé en sous-ensembles d’entraînement et de test à un ratio de 80:20, ce qui a donné 2 112 échantillons d’entraînement et 528 échantillons de test. Une graine aléatoire fixe était utilisée lors du partitionnement des jeux de données pour garantir la reproductibilité. Cette division a permis d’entraîner les modèles sur un ensemble de données suffisamment vaste tout en conservant un ensemble de tests indépendant pour l’évaluation objective de la performance. Les chemins d’image ont été standardisés en associant chaque enregistrement à son emplacement correspondant dans le répertoire du jeu de données. Les quatre attributs architecturaux (pieds carrés, chambres, salles de bains et garages) servaient de variables cibles pour la tâche de régression multi-sortie. Bien que les chambres, salles de bains et garages soient des variables discrètes, elles ont été modélisées à l’aide d’un cadre de régression multi-sortie permettant la prédiction simultanée de tous les attributs architecturaux au sein d’une architecture d’apprentissage unifiée. Cette approche permet au modèle de capturer les relations partagées entre les variables cibles et d’exploiter les corrélations entre des caractéristiques architecturales continues et discrètes. Les valeurs prédites pour les attributs discrets ont été converties en l’entier valide le plus proche lors du post-traitement avant l’interprétation et la classification en aval de la disposition résidentielle.

Le tableau 1 présente les caractéristiques architecturales prédites par le modèle proposé, représentant les principales caractéristiques spatiales et fonctionnelles des plans résidentiels. Une analyse exploratoire des données a été réalisée afin de mieux comprendre la distribution des variables cibles à l’aide d’histogrammes et de visualisations basées sur le décompte. La répartition des pieds carrés est continue avec des densités variables, tandis que la répartition des chambres, salles de bains et garages met en évidence la fréquence des différentes configurations résidentielles. Ces distributions sont représentées à la Figure 2. La répartition des pieds carrés est montrée à la Figure 2A, tandis que la répartition des chambres, salles de bain et garages est montrée respectivement dans la Figure 2B–2D. Ensemble, ces graphiques illustrent la variabilité et la distribution des variables cibles au sein de l’ensemble de données.

Nom de la fonctionnalité	Description
Pieds carrés	Surface bâtie totale de l’unité résidentielle
Lits	Nombre de chambres dans l’agencement
Thermes	Nombre de salles de bain dans l’agencement
Garages	Nombre d’emplacements de garage disponibles

Tableau 1 : Attributs architecturaux utilisés comme cibles de prédiction. Définitions des attributs architecturaux extraites du jeu de données des plans résidentiels et utilisées comme variables cibles pour l’entraînement et l’évaluation des modèles. Les caractéristiques incluent la superficie totale, le nombre de chambres, le nombre de salles de bain et le nombre d’espaces de garage associés à chaque plan résidentiel.

Figure 2. Répartition des attributs architecturaux dans le jeu de données sur plans résidentiels. Histogrammes montrant les distributions de (A) la superficie, (B) le nombre de chambres, (C) le nombre de salles de bains, et (D) le nombre de garages dans l’ensemble de données utilisé pour le développement et l’évaluation du modèle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La phase de prétraitement d’image a transformé toutes les images de plans d’étage en un format standardisé adapté aux modèles DL. Toutes les images étaient chargées, converties en espace colorimétrique RVB, redimensionnées à 224 × 224 pixels, puis normalisées à la plage de [0, 1]. Ce processus garantissait des dimensions d’entrée cohérentes et améliorait la convergence des modèles pendant l’entraînement. Les images prétraitées ont été échantillonnées aléatoirement, et les labels ont été vérifiés pour confirmer un prétraitement et un alignement corrects des étiquettes. Après prétraitement, chaque image était convertie en un tableau NumPy et associée à ses valeurs cibles correspondantes pour créer le jeu de données entrée-sortie. Les ensembles de données résultants ont confirmé la préparation réussie des données, avec des images d’entraînement de dimensions (2112, 224, 224, 3) et des images de test de dimensions de (528, 224, 224, 3). Les matrices d’étiquettes correspondantes avaient respectivement les dimensions (2112, 4) et (528, 4). Les variables cibles ont été converties en valeurs en virgule flottante pour soutenir l’apprentissage basé sur la régression.

Pour améliorer davantage la généralisation des modèles et réduire le surapprentissage, des techniques d’augmentation de données ont été appliquées à l’aide d’un générateur de données d’images. Ces techniques comprenaient le retournement horizontal aléatoire, la rotation, le zoom, et le décalage largeur/hauteur afin d’augmenter la variabilité des données d’entraînement et d’améliorer la généralisation du modèle. Ces transformations ont augmenté la variabilité des données d’entraînement et permis aux modèles d’apprendre des caractéristiques spatiales plus robustes et invariantes. Le pipeline de prétraitement a produit des données d’images et de tableaux propres, standardisées et bien structurées, fournissant une base adéquate pour l’entraînement du cadre d’apprentissage profond méta-ensemble proposé.

Résultats des modèles de base et du modèle proposé

Le jeu de données prétraité (2 640 images de plans d’étage) a été utilisé pour entraîner tous les modèles en utilisant des divisions d’entraînement et de test. Le jeu de données a été divisé selon un ratio de répartition de 80:20, donnant 2 112 échantillons d’entraînement et 528 échantillons de test. Une graine aléatoire fixe était utilisée pour garantir la reproductibilité. Des poids pré-entraînés étaient utilisés pour l’apprentissage par transfert et l’ajustement fin afin d’adapter les modèles au domaine de l’analyse des plans architecturaux. Des méthodes d’augmentation des données ont été employées pendant l’entraînement pour améliorer la généralisation, et l’arrêt précoce a été utilisé pour réduire le surapprentissage en surveillant la performance de validation. Les modèles ont été entraînés avec une taille de groupe de 32 pour jusqu’à 15 époques, avec un arrêt précoce appliqué pour éviter le surapprentissage et favoriser une convergence efficace. L’arrêt précoce a permis de surveiller la perte de validation et d’interrompre l’entraînement lorsqu’aucune amélioration supplémentaire n’a été observée, tandis que la réduction du taux d’apprentissage adaptatif a été appliquée pour améliorer la convergence. La perte et l’EMO ont tous deux été utilisés pour surveiller le processus d’entraînement et évaluer le comportement et la stabilité de convergence. Tous les modèles ont été entraînés dans les mêmes conditions expérimentales afin d’assurer une comparaison équitable. Les figures 3 à 7 montrent les courbes de perte d’entraînement et de validation ainsi que les courbes MAE pour tous les modèles, fournissant un aperçu de leur dynamique d’apprentissage et de leur comportement de généralisation.

Figure 3. Performance de formation de MobileNetV2. (A) Perte d’entraînement et de validation à travers les époques d’entraînement. (B) L’entraînement et la validation de l’erreur absolue moyenne (MAE) à travers les époques de formation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 4. Performance d’entraînement d’Inception V3. (A) Perte d’entraînement et de validation à travers les époques d’entraînement. (B) L’entraînement et la validation de l’erreur absolue moyenne (MAE) à travers les époques de formation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 5. Performance d’entraînement de ResNet101. (A) Perte d’entraînement et de validation à travers les époques d’entraînement. (B) L’entraînement et la validation de l’erreur absolue moyenne (MAE) à travers les époques de formation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 6. Performance d’entraînement de VGG16. (A) Perte d’entraînement et de validation à travers les époques d’entraînement. (B) L’entraînement et la validation de l’erreur absolue moyenne (MAE) à travers les époques de formation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 7. Performance d’entraînement de CARE-MIRV-Net. (A) Perte d’entraînement et de validation à travers les époques d’entraînement. (B) L’entraînement et la validation de l’erreur absolue moyenne (MAE) à travers les époques de formation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La performance d’entraînement de MobileNetV2 est illustrée à la Figure 3. Les courbes de perte d’entraînement et de validation sont présentées dans la Figure 3A, tandis que les courbes MAE d’entraînement et de validation sont montrées dans la Figure 3B. La perte d’entraînement et l’EMO ont progressivement diminué avec l’augmentation des époques, indiquant un comportement d’apprentissage stable. Les courbes de validation ont montré une plus grande variation et sont restées relativement plus élevées que les courbes d’entraînement, suggérant une performance de généralisation réduite. Cette tendance est cohérente avec les résultats quantitatifs, dans lesquels MobileNetV2 a démontré des performances prédictives relativement inférieures, notamment pour la prévision des mètres carrés. La performance d’entraînement d’InceptionV3 est illustrée à la Figure 4. Les courbes de perte d’entraînement et de validation sont présentées dans la Figure 4A, tandis que les courbes MAE d’entraînement et de validation sont montrées dans la Figure 4B. Le modèle a montré une réduction régulière à la fois de la perte d’entraînement et de validation et de l’EMA, avec seulement une faible différence entre les courbes. Ce comportement suggère un apprentissage efficace et une généralisation relativement bonne. Les courbes de validation stables indiquent que le modèle capturait efficacement des caractéristiques spatiales multi-échelles, contribuant à une amélioration des performances par rapport à MobileNetV2. Le comportement d’entraînement de ResNet101 est montré à la Figure 5. Les courbes de perte d’entraînement et de validation sont présentées dans la Figure 5A, tandis que les courbes MAE d’entraînement et de validation sont représentées dans la Figure 5B. Le modèle a montré une baisse progressive des pertes d’entraînement et de l’EMA, tandis que les courbes de validation suivaient une tendance similaire avec de légères fluctuations. Bien qu’une certaine oscillation ait été observée, la convergence globale est restée stable. Ces observations sont cohérentes avec la capacité du modèle à apprendre des représentations spatiales hiérarchiques par apprentissage résiduel. La performance d’entraînement de VGG16 est illustrée à la Figure 6. Les courbes de perte d’entraînement et de validation sont présentées à la Figure 6A, tandis que les courbes MAE d’entraînement et de validation sont montrées à la Figure 6B.

Les courbes d’entraînement de VGG16 ont montré une diminution continue tout au long de l’entraînement, indiquant un apprentissage efficace. Les courbes de validation présentaient des oscillations et une légère écartation des courbes d’entraînement, suggérant un léger surapprentissage. Néanmoins, le modèle est resté compétitif, notamment en termes de superficie et de prévision des garages, ce qui indique que ses représentations de caractéristiques apprises restaient efficaces et stables.

La performance d’entraînement de CARE-MIRV-Net est illustrée à la Figure 7. Les courbes de perte d’entraînement et de validation sont présentées à la Figure 7A, tandis que les courbes MAE d’entraînement et de validation sont montrées à la Figure 7B. La perte d’entraînement et de validation ainsi que les courbes MAE ont diminué de manière fluide et constante, avec seulement une petite différence entre elles. Ce comportement indique une forte convergence et une bonne généralisation. Comparé aux modèles individuels, le cadre méta-ensemble a produit un comportement d’apprentissage plus stable et une variabilité réduite. Dans l’ensemble, la comparaison des courbes d’entraînement suggère que, bien que les modèles individuels aient montré des caractéristiques de convergence et de généralisation différentes, CARE-MIRV-Net a montré le comportement d’entraînement le plus cohérent parmi les modèles évalués.

Une comparaison détaillée des performances prédictives de MobileNetV2, InceptionV3, ResNet101, VGG16 et du modèle proposé CARE-MIRV-Net est fournie dans le tableau 2. La performance a été évaluée à l’aide de l’EMA et du^R2 sur quatre variables cibles : superficie, nombre de chambres, nombre de salles de bains et nombre de garages. Ces indicateurs fournissent des mesures complémentaires de la précision des prédictions et de la performance explicative.

Modèle	Pieds carrés		Lits		Thermes		Garages
	MAE	R²	MAE	R²	MAE	R²	MAE	R²
MobileNetV2	881.653	0.1327	0.6873	0.3154	0.6552	0.3457	0.3977	0.1133
InceptionV3	464.64	0.6615	0.4353	0.6708	0.3627	0.7459	0.23	0.6351
ResNet101	611.919	0.5872	0.4287	0.6546	0.3838	0.725	0.2298	0.6489
VGG16	504.435	0.7256	0.698	0.3355	0.4995	0.6436	0.197	0.6757
CARE-MIRV-Net (Proposé)	432.488	0.7053	0.4343	0.6837	0.3689	0.7605	0.1697	0.6958

Tableau 2 : Comparaison des performances entre les modèles de référence et CARE-MIRV-Net. Comparaison des performances prévisionnelles pour MobileNetV2, InceptionV3, ResNet101, VGG16 et le modèle proposé CARE-MIRV-Net réparties sur quatre attributs architecturaux : superficie, nombre de chambres, nombre de salles de bain et nombre de garages. La performance est rapportée à l’aide de l’erreur absolue moyenne (MAE) et du coefficient de détermination (R²). Des valeurs d’EMA plus basses indiquent une erreur de prédiction plus faible, tandis que des valeurs plus élevées de^{R 2} indiquent un accord plus fort entre les valeurs prédites et réelles.

Les modèles individuels ont démontré des niveaux de performance variables variables selon les variables cibles. MobileNetV2 a montré les performances globales les plus basses, notamment pour la prévision des mètres carrés, avec un MAE de 881,6530 et une valeur^{R 2} de 0,1327. Les performances des salles de bain et des garages étaient également relativement inférieures, ce qui indique des limites dans la capture de relations spatiales complexes lorsqu’elles sont utilisées comme modèle autonome.

InceptionV3 a démontré de solides performances sur la plupart des variables cibles, en particulier les salles de bain et les chambres, avec des valeurs de R² de 0,7459 et 0,6708, respectivement. Ces résultats suggèrent une capture efficace des caractéristiques spatiales à plusieurs échelles. ResNet101 a également démontré des performances compétitives grâce à son architecture résiduelle profonde, qui facilitait l’apprentissage des représentations spatiales hiérarchiques. Cependant, ses performances sont restées légèrement inférieures à celles d’InceptionV3 pour certains facteurs, notamment la prévision de la superficie. Le VGG16 a offert des performances relativement équilibrées sur toutes les variables cibles et a atteint la valeur la plus élevée en R² (0,7256) parmi les modèles individuels.

Le cadre CARE-MIRV-Net proposé a surpassé les modèles individuels dans la plupart des tâches évaluées. CARE-MIRV-Net a obtenu la plus faible superficie de MAE (432,488) tout en maintenant une valeur R² de 0,7053. Pour la prévision des chambres à coucher, le modèle a atteint une valeur de^{R 2} de 0,6837. Pour la prédiction des toilettes, CARE-MIRV-Net a obtenu la valeur la plus élevée de^{R 2} (0,7605) parmi tous les modèles évalués. De même, pour la prédiction des garages, le modèle a atteint la MAE la plus basse (0,1697) et la valeur la plus élevée de^{R 2} (0,6958). Ces résultats indiquent que le cadre méta-ensemble combinait efficacement les forces complémentaires des architectures individuelles. Les résultats suggèrent également que l’intégration des prédictions de plusieurs modèles a réduit les limitations spécifiques au modèle et amélioré la performance prédictive globale. Les résultats démontrent que CARE-MIRV-Net a fourni une performance prédictive équilibrée sur toutes les variables cibles évaluées. L’évaluation résidentielle orientée vers les soins de santé présentée dans cette étude doit être interprétée comme une catégorisation orientée application dérivée du cadre décisionnel basé sur des règles et des attributs disponibles sur les plans d’étage, plutôt que comme une évaluation médicale validée cliniquement.

Pour évaluer davantage la performance prédictive, une analyse des erreurs résiduelles a été réalisée pour toutes les variables cibles, y compris la superficie, les chambres, les salles de bain et les garages. Les graphiques résiduels fournissent un aperçu des distributions d’erreur de prédiction en montrant les différences entre les valeurs prédites et observées. Idéalement, les résidus devraient être répartis aléatoirement autour de zéro, indiquant un biais systématique limité et une bonne généralisation.

La figure 8 montre le graphique résiduel pour la prédiction de la surface en mètres carrés. La plupart des résidus étaient regroupés autour de zéro, ce qui indique des prédictions relativement précises pour la majorité des échantillons. Cependant, une plus grande dispersion et plusieurs valeurs aberrantes ont été observées à des valeurs de surface prédite plus élevées. Ces observations suggèrent que la variabilité des prédictions a augmenté pour les grands plans résidentiels.

Figure 8. Analyse des résidus pour la prévision de la surface en mètres carrés. Diagramme de balises montrant les erreurs résiduelles en fonction des valeurs prédites de la surface en mètres carrés. La ligne horizontale indique une erreur résiduelle nulle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La distribution des résidus pour la prédiction des chambres à coucher est illustrée à la Figure 9. Les résidus étaient généralement centrés autour de zéro, le motif diagonal reflétant la nature discrète de la variable de la chambre à coucher. La fourchette résiduelle relativement étroite indique une performance prédictive constante, sans biais systématique évident observé. La figure 10 présente le graphique résiduel pour la prédiction des toilettes. Les résidus sont restés concentrés autour de zéro mais ont montré une dispersion légèrement supérieure à celle observée pour la prédiction de la chambre à coucher. Le motif de bandes visibles est cohérent avec la nature discrète de la variable cible. Plusieurs valeurs aberrantes étaient également présentes à des valeurs prédites plus élevées.

Figure 9. Analyse résiduelle pour la prédiction de la chambre à coucher. Diagramme de points montrant des erreurs résiduelles en fonction des valeurs prédites des chambres. La ligne horizontale indique une erreur résiduelle nulle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 10. Analyse résiduelle pour la prédiction des toilettes. Diagramme de points montrant des erreurs résiduelles en fonction des valeurs prédites de la salle de bain. La ligne horizontale indique une erreur résiduelle nulle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

L’analyse des résidus pour la prédiction du garage est présentée à la Figure 11. Les valeurs résiduelles sont restées concentrées autour de zéro et ont montré une variance relativement faible comparée aux autres variables cibles. La plage discrète et limitée des valeurs de garage produisait des motifs linéaires distincts dans le graphique. La distribution résiduelle étroite suggère une performance prédictive relativement constante pour cette variable.

Figure 11. Analyse des résidus pour la prévision du garage. Diagramme de points montrant des erreurs résiduelles en fonction des valeurs prédites du garage. La ligne horizontale indique une erreur résiduelle nulle. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Dans l’ensemble, les analyses résiduelles indiquent que CARE-MIRV-Net a généré des prédictions généralement centrées autour de zéro sur toutes les variables ciblées. Bien qu’une certaine variabilité et des valeurs aberrantes aient été observées, notamment pour la prédiction des pieds carrés, les distributions globales des résidus soutiennent la cohérence des performances prédictives du modèle à travers l’ensemble de données évalué.

Résultats de l’analyse explicable de l’IA utilisant SHAP

Pour améliorer l’interprétabilité du cadre proposé CARE-MIRV-Net, une approche d’IA explicable a été intégrée à l’aide de SHAP. SHAP est une méthode basée sur la théorie des jeux qui explique les prédictions des modèles en attribuant des valeurs d’importance des caractéristiques basées sur les valeurs de Shapley. Appliqué au modèle méta-ensemble proposé, SHAP a été utilisé pour examiner la contribution de chaque modèle de base à la sortie finale du méta-apprenant. L’entrée du méta-modèle consistait en des prédictions concaténées provenant de quatre modèles de base — InceptionV3, MobileNetV2, ResNet101 et VGG16 — aboutissant à un espace de caractéristiques à 16 dimensions. Chaque élément représentait un attribut architectural prédit (superficie, chambres, salles de bains ou garages) généré par un modèle de base spécifique. L’interprétation de ces caractéristiques a été réalisée en sélectionnant un sous-ensemble choisi au hasard des données de méta-entraînement comme distribution de fond et un sous-ensemble plus restreint d’échantillons de test pour générer des explications afin d’améliorer l’efficacité computationnelle.

Des versions à sortie unique du méta-modèle ont été créées pour isoler et analyser indépendamment les contributions des caractéristiques pour chaque variable cible. Le SHAP KernelExplainer a été appliqué comme décrit précédemment et dans le Fichier Supplémentaire 1 pour estimer les contributions des fonctionnalités et interpréter les prédictions du cadre proposé. Ces valeurs ont été utilisées pour quantifier dans quelle mesure chaque prédiction du modèle de base contribuait positivement ou négativement au résultat final. Sur la base de l’analyse SHAP, CARE-MIRV-Net ne s’est pas appuyé exclusivement sur un apprenant de base unique, mais a plutôt attribué des niveaux variables d’importance à différents modèles selon la variable cible et les caractéristiques d’entrée. Ces observations indiquent que l’approche d’ensemble basée sur l’empilement utilisait des informations complémentaires provenant de plusieurs modèles de base.

Les figures 12 à 15 présentent des graphiques résumés SHAP pour les quatre variables cibles : superficie, chambres, salles de bains et garages. Ces graphiques fournissent un aperçu de la manière dont le méta-modèle CARE-MIRV-Net utilisait les prédictions des apprenants de base individuels. Dans chaque graphique, l’axe horizontal représente les valeurs SHAP (contributions des caractéristiques), tandis que l’échelle des couleurs représente la magnitude des caractéristiques de la faible à la plus élevée.

Figure 12. Graphique résumé SHAP pour la prévision de la surface en mètres carrés. Graphique résumé SHAP montrant la contribution des prédictions du modèle de base à l’estimation de la surface par le méta-apprenant CARE-MIRV-Net. Les caractéristiques sont classées selon leur importance. La couleur des points indique la valeur des caractéristiques, et la position horizontale indique la contribution SHAP à la prédiction. SHAP, SHAPLEY Explications additives. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 13. Résumé SHAP graphique pour la prédiction de la chambre à coucher. Graphique résumé SHAP montrant la contribution des prédictions du modèle de base à l’estimation de la chambre par le méta-apprenant CARE-MIRV-Net. Les caractéristiques sont classées selon leur importance. La couleur des points indique la valeur des caractéristiques, et la position horizontale indique la contribution SHAP à la prédiction. SHAP, SHAPLEY Explications additives. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 14. Graphique résumé SHAP pour la prédiction des toilettes. Graphique résumé SHAP montrant la contribution des prédictions du modèle de base à l’estimation des toilettes par le méta-apprenant CARE-MIRV-Net. Les caractéristiques sont classées selon leur importance. La couleur des points indique la valeur des caractéristiques, et la position horizontale indique la contribution SHAP à la prédiction. SHAP, SHAPLEY Explications additives. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 15. Graphique résumé SHAP pour la prédiction du garage. Graphique résumé SHAP montrant la contribution des prédictions du modèle de base à l’estimation du garage par le méta-apprenant CARE-MIRV-Net. Les caractéristiques sont classées selon leur importance. La couleur des points indique la valeur des caractéristiques, et la position horizontale indique la contribution SHAP à la prédiction. SHAP, SHAPLEY Explications additives. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

La figure 12 présente le résumé SHAP pour la prévision des mètres carrés. Des fonctionnalités telles que Mob_SF, Res_SF et Inc_SF ont présenté des contributions SHAP relativement plus importantes que d’autres fonctionnalités, indiquant que les prédictions générées par MobileNetV2, ResNet101 et InceptionV3 ont largement contribué à l’estimation de la superficie. Des valeurs de caractéristiques plus élevées (rouge) étaient généralement associées à une augmentation de la superficie prédite, tandis que des valeurs plus basses (bleu) étaient associées à des prédictions plus faibles. Les caractéristiques liées aux chambres et aux salles de bain ont montré des contributions relativement moindres, ce qui indique que la prédiction des pieds carrés était principalement influencée par les prédictions liées à la surface générées par les modèles de base.

La figure 13 présente l’analyse SHAP pour la prédiction des chambres. Des fonctionnalités telles que Res_Beds, VGG_Beds et Inc_Beds ont montré des contributions relativement plus importantes que d’autres fonctionnalités, ce qui indique que les prédictions de ResNet101, VGG16 et InceptionV3 ont eu un rôle déterminant dans la prédiction finale de la chambre. Les valeurs SHAP étaient réparties autour de zéro, ce qui suggère que le métamodèle intégrait des informations provenant de plusieurs sources plutôt que de s’appuyer sur un seul prédicteur dominant. Les caractéristiques liées aux garages et à la superficie ont montré des contributions relativement moindres.

La figure 14 présente le résumé SHAP pour la prédiction des toilettes. Des fonctionnalités telles que VGG_Baths, Inc_Baths et Mob_Baths ont montré des contributions relativement élevées, indiquant que les prédictions de VGG16, InceptionV3 et MobileNetV2 ont largement contribué à l’estimation des toilettes. La distribution des valeurs SHAP suggère que des prédictions accrues issues de ces modèles de base étaient associées à une influence plus importante sur la prédiction finale. Les contributions sont apparues plus largement réparties entre les modèles que pour certaines autres variables cibles.

La figure 15 présente l’analyse SHAP pour la prédiction du garage. Des caractéristiques telles que Mob_Garages, Inc_Garages et VGG_Garages ont montré des contributions relativement importantes à la prédiction finale. Le graphique montre que les prédictions liées au garage issues de plusieurs modèles de base ont contribué au résultat final, avec une séparation nette entre les contributions de caractéristiques de plus faible et de plus haute valeur. La plus grande étendue des valeurs SHAP suggère une sensibilité accrue du méta-modèle aux caractéristiques de prédiction liées au garage.

Dans l’ensemble, l’analyse SHAP a démontré que le cadre CARE-MIRV-Net proposé intégrait les contributions de plusieurs apprenants de base lors de la génération de prédictions finales. Les résultats offrent une vue interprétable de l’influence relative des prédictions individuelles des modèles à travers les quatre variables cibles architecturales et soutiennent la compréhension du processus décisionnel méta-ensemble.

Résultats de la classification de l’aménagement résidentiel

Des exemples représentatifs des résultats de classification de l’aménagement résidentiel sont présentés dans les figures 16 à 18. Ces exemples illustrent l’application de la couche décisionnelle basée sur des règles aux attributs architecturaux prédits par le cadre CARE-MIRV-Net. La figure 16 présente un exemple classé comme un plan de soins médicaux, la figure 17 présente un exemple classé comme un plan résidentiel général, et la figure 18 présente un exemple classé comme un plan de soins aux personnes âgées. Les exemples montrent comment les attributs architecturaux prédits sont transposés en catégories résidentielles au niveau applicatif à travers les règles de décision prédéfinies décrites dans la section Protocole. Ces exemples doivent être interprétés comme des résultats illustratifs du cadre de classification basé sur des règles dérivés des attributs prédictifs du plan d’étage et des critères de décision prédéfinis, plutôt que comme des classifications cliniques ou de soins de santé validées indépendamment.

Figure 16. Exemple représentatif classé comme un plan résidentiel de soins médicaux. Exemple d’image de plan d’étage résidentiel évaluée par le cadre proposé et attribuée à la catégorie soins médicaux sur la base des attributs architecturaux prédits et des critères de classification fondés sur des règles. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 17. Exemple représentatif classé comme un plan résidentiel général. Exemple d’image de plan résidentiel évaluée par le cadre proposé et attribuée à la catégorie résidentielle générale sur la base des attributs architecturaux prédits et des critères de classification fondés sur des règles. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 18. Exemple représentatif classé comme un plan résidentiel pour personnes âgées. Exemple d’image de plan résidentiel évaluée par le cadre proposé et attribuée à la catégorie soins aux personnes âgées en fonction des attributs architecturaux prédits et des critères de classification fondés sur des règles. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Un exemple représentatif montré à la Figure 16 montre que le modèle prédisait une superficie de 2233,16 contre la valeur réelle de 2268,00, indiquant une erreur de prédiction relativement faible. De même, les valeurs prédites pour les chambres (3,23 contre 3), les salles de bain (2,65 contre 2) et les garages (1,11 contre 1) étaient proches des valeurs de vérité sur le terrain correspondantes. Sur la base de ces attributs prédits, la couche décisionnelle basée sur les règles a catégorisé la disposition comme soins médicaux. Cet exemple illustre comment le cadre applique les attributs architecturaux prédits pour générer des classifications résidentielles au niveau applicatif.

Un second exemple montré à la Figure 17 montre un plan classé comme usage résidentiel général. La superficie prévue (1692,76) était inférieure à la valeur réelle (1879,00), tandis que le nombre prédit de chambres, salles de bains et garages restait proche des valeurs de référence correspondantes. Sur la base des attributs architecturaux prédits, la couche de décision attribuait la disposition à la catégorie résidentielle générale. Cet exemple démontre l’application du cadre de classification à un aménagement résidentiel de taille modérée malgré de légères écarts dans les prédictions individuelles.

La figure 18 présente une disposition résidentielle compacte avec une superficie réelle de 981,00 et une superficie prévue de 1076,17. Les valeurs prédites pour les chambres (1,99 contre 2), les salles de bain (1,75 contre 2) et les garages (0,98 contre 1) étaient également proches des valeurs de réalité correspondantes. Sur la base de ces attributs prédits, la couche de décision a catégorisé la disposition comme prise en charge des personnes âgées. Cet exemple illustre l’application des règles de classification prédéfinies aux agencements caractérisés par des surfaces de sol plus petites et moins de pièces.

Dans l’ensemble, les exemples représentatifs démontrent l’intégration de la prédiction des attributs architecturaux et de la catégorisation de la disposition résidentielle basée sur des règles dans le cadre CARE-MIRV-Net. Dans les exemples présentés dans les figures 16 à 18, les attributs architecturaux prédits étaient généralement cohérents avec les valeurs de référence correspondantes, soutenant l’utilisation du cadre proposé pour l’analyse automatisée des plans résidentiels et la classification au niveau applicatif.

Disponibilité des données :

L’ensemble de données utilisé dans cette étude est accessible au public via le dépôt^{Kaggle 28}, intitulé « Floor Plan Images and Their Details », et peut être consulté à l’adresse suivante : https://www.kaggle.com/datasets/adilmohammed/floor-plan-images-and-their-details. Toutes les analyses rapportées dans cette étude ont été réalisées à partir de données obtenues à partir de cette source accessible au public. Le code source, la documentation d’implémentation et les informations de configuration de l’environnement nécessaires à la reproduction des résultats rapportés sont fournis dans le Fichier Supplémentaire 1.

Fichier supplémentaire 1. Paquet de mise en œuvre CARE-MIRV-Net. Ce fichier contient le code source, la documentation README, les spécifications de dépendance logicielle, les informations d’environnement et les scripts d’implémentation nécessaires pour reproduire le flux de travail CARE-MIRV-Net. Veuillez cliquer ici pour télécharger ce fichier.

Dossier supplémentaire 2. Algorithme pour l’analyse des plans résidentiels CARE-MIRV-Net. Ce fichier fournit l’Algorithme 1, incluant le prétraitement des données, la prédiction du modèle de base, la concaténation des méta-caractéristiques, la prédiction des méta-ensembles, la classification des couches décisionnelles, l’explicabilité basée sur SHAP et le flux de travail des métriques d’évaluation utilisés dans l’étude. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Cette étude présente CARE-MIRV-Net, un cadre DL méta-ensemble basé sur l’empilement pour l’analyse automatisée des images de plans résidentiels. Le cadre intègre quatre architectures CNN complémentaires — MobileNetV2, InceptionV3, ResNet101 et VGG16 — pour prédire les attributs architecturaux clés, notamment la superficie, le nombre de chambres, de salles de bain et de garages. Ces prédictions sont ensuite combinées via un méta-apprenant et utilisées dans une couche décisionnelle basée sur des règles pour catégoriser les agencements résidentiels en catégories de soins aux personnes âgées, de soins médicaux ou de catégories résidentielles générales. L’intégration de la modélisation prédictive, de l’apprentissage en ensemble et de l’IA explicable offre un cadre unifié pour l’analyse des plans^{résidentiels} 3,7,17,20.

Les résultats représentatifs démontrent que CARE-MIRV-Net a obtenu une amélioration des performances prédictives par rapport aux modèles de base individuels sur plusieurs attributs architecturaux. Le cadre d’ensemble a généralement réduit les erreurs de prédiction et amélioré la^R2, suggérant que la combinaison d’architectures CNN hétérogènes peut améliorer la robustesse^{prédictive 12,20}. De plus, l’intégration de SHAP a permis d’interpréter les contributions relatives des modèles de base individuels aux prédictions finales, augmentant ainsi la transparence des^{modèles 11,17}. Ce cadre peut donc fournir une approche utile pour des études nécessitant à la fois la performance prédictive et l’interprétabilité du modèle.

Le cadre proposé pourrait contribuer à l’avancement de la recherche impliquant l’analyse architecturale automatisée, l’évaluation de la conception résidentielle et les systèmes d’aide à la décision basés sur les données. En intégrant la prédiction multi-sortie avec la catégorisation au niveau applicatif, le cadre va au-delà des approches traditionnelles de reconnaissance de plans d’étage ou d’extraction de caractéristiques. La méthodologie peut être applicable dans des études portant sur la planification résidentielle, les environnements de logements intelligents et l’évaluation de la disposition^spatiale 1,2,8,22. Cependant, plusieurs limites doivent être prises en compte. Premièrement, le cadre a été développé et évalué à l’aide d’un seul ensemble de données public, et la validation externe sur des jeux de données indépendants n’a pas été effectuée. Aucune validation externe n’a été réalisée dans la présente étude, et l’évaluation du modèle a été réalisée à l’aide du sous-ensemble de tests désigné dérivé du jeu de données public disponible. Deuxièmement, les catégories résidentielles générées par le cadre sont dérivées de critères prédéfinis fondés sur des règles plutôt que d’étiquettes de conception de soins de santé validées indépendamment. Les catégories de soins aux personnes âgées, de soins médicaux et de résidence générale générées par ce cadre sont dérivées de critères prédéfinis fondés sur des règles et ne doivent pas être interprétées comme des évaluations cliniquement validées de la conception des soins de santé. Troisièmement, le cadre repose principalement sur des attributs architecturaux dérivés des images de plans d’étage et n’intègre pas de normes de conception spécifiques à la santé, de critères d’accessibilité ou de mesures de résultats centrées sur l’occupant. Aucune norme formelle d’accessibilité, de conception de soins de santé ou de conception résidentielle n’a été utilisée pour définir les règles de classification. À la place, le cadre de catégorisation a été développé en utilisant les attributs disponibles du plan d’étage et les critères de décision orientés application. Les travaux futurs pourraient inclure une validation externe sur des ensembles de données indépendants, l’intégration de normes formelles d’accessibilité et de conception des soins de santé, ainsi que l’évaluation utilisant des mesures de conception supplémentaires et de résultats centrées sur l’occupant afin d’améliorer davantage l’applicabilité et la généralisation du cadre.

D’autres approches peuvent également être utilisées pour étudier la même hypothèse. Par exemple, des modèles de vision basés sur des transformateurs, des représentations spatiales basées sur des graphes ou des architectures hybrides DL pourraient être appliqués pour capturer les relations spatiales dans les plans^{résidentiels 13, 15, 19}. De même, des cadres de classification basés sur des ensembles de données qualifiés par des experts ou des normes de conception des soins de santé peuvent offrir des méthodes alternatives pour l’évaluation de la disposition^{résidentielle 8,22}. Bien que ces méthodes puissent offrir des avantages complémentaires, le cadre CARE-MIRV-Net proposé démontre la faisabilité de combiner plusieurs architectures CNN dans un cadre d’ensemble basé sur l’empilement pour la prédiction multi-sortie et la catégorisation de la disposition résidentielle.

Les travaux futurs pourraient se concentrer sur l’extension du cadre pour soutenir un raisonnement spatial plus avancé et une applicabilité plus large dans le monde réel. Les orientations potentielles incluent l’intégration de représentations de plans d’étage basées sur des graphes pour modéliser la connectivité des pièces, l’évaluation d’architectures basées sur les transformateurs de vision (ViT) pour l’extraction de caractéristiques, ainsi que le développement de stratégies de classification multiclasses ou multi-étiquettes 13,15,18. De plus, de futures études pourraient intégrer des attributs de conception spécifiques au secteur de la santé, des normes d’accessibilité et des ensembles de données de validation indépendants afin d’évaluer davantage l’applicabilité du cadre dans les environnements résidentiels orientés vers le secteur^{de la santé 8,22.} Le cadre pourrait également être adapté pour une intégration dans les plateformes de villes intelligentes et les systèmes d’aide à la décision pour la planification^{résidentielle 1,2}.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
CARE-MIRV-Net implementation package	Supplementary File 1	Version 1.0	N/A
Figure and table regeneration scripts	Supplementary File 1	Version 1.0	N/A
Floor Plan Images and Their Details Dataset	Kaggle	Public Dataset	N/A
GPU	NVIDIA Corporation	Tesla T4 × 2	N/A
Intel Xeon Processor	Intel Corporation	2.20 GHz	N/A
Keras	Keras Team	Version 3.13.2	N/A
Matplotlib	Matplotlib Development Team	Version 3.9	RRID:SCR_008624
NumPy	NumPy Developers	Version 2.4.6	RRID:SCR_008633
Operating System	Linux	Ubuntu 22.04 LTS	N/A
Pandas	Pandas Development Team	Version 2.3.3	RRID:SCR_018214
Python	Python Software Foundation	Version 3.12.12	RRID:SCR_008394
Scikit-learn	Scikit-learn Developers	Version 1.6.1	RRID:SCR_002577
SHAP	SHAP Development Team	Version 0.51.0	N/A
System Memory (RAM)	Cloud Computing Environment	31 GB	N/A
TensorFlow	Google	Version 2.19.0	RRID:SCR_016345
Training environment configuration file	Supplementary File 1	Version 1.0	N/A