基于生成对抗网络的畸零空间规划设计生成方法与系统技术方案

本发明专利技术公开了一种基于生成对抗网络的畸零空间规划设计生成方法与系统，方法包括：建立真实的畸零空间规划设计方案的数据集，并对数据集中每一张设计方案标注期望标签；基于深度卷积生成对抗网络构造生成网络和判别网络；根据数据集与期望标签，基于生成网络和判别网络生成第一设计方案的真假判断结果；根据数据集与期望标签，基于判别网络生成随机设计方案的真假判断结果；交替迭代训练判别网络和生成网络；接收用户提交的期望标签表单，并利用训练好的生成网络生成与期望标签表单相对应的第二设计方案。第二设计方案。第二设计方案。

【技术实现步骤摘要】
基于生成对抗网络的畸零空间规划设计生成方法与系统


[0001]本专利技术涉及建筑生成设计
，尤其涉及一种基于生成对抗网络的畸零空间规划设计生成方法与系统。

技术介绍

[0002]近年来随着城市化进程的加快与经济发展水平的提高，城市用地规模不断扩大，土地资源稀缺问题日益凸显。畸零空间，就是在城市建筑发展的过程中，一些土地在规划使用时存在不合理的现象。所以，在楼与楼之间或者社区和社区之间，由于需求的不同，必然会产生一些不可避免的空间浪费。这些空间之所以不会被充分的利用可能是由以下原因造成的：(1)建筑之间形成的不规则地块比较狭窄；(2)由于建筑建造，导致土地被污染；(3)地形受到限制，比如陡坡；(4)城市建设需要建筑高架，特别是一些大城市的高架建筑更多，这些高架把道路分成不同等份；(5)原有设施的需求。导致用途被改变。
[0003]现代建筑发展的加快，导致城市新老建筑的景观存在差异，人口数量的不断增长，让城市居民的生活空间大大缩小。除此之外，交通用地大概占了整个城市面积的10％，在修高架时所需要的成本往往过高，但同时在修完高架后，会有很多土地都出现了浪费的情况，这些土地的失用率也是极高的。对畸零空间加以利用，可以让不同建筑之间的隔阂被打破，更好的保证城市空间的连续性，从而创造出一个更有意义的公众空间。
[0004]随着人工智能技术的发展，已有部分学者开始研究如何将人工智能技术应用于建筑设计领域。然而对于畸零空间而言，一方面需求相对较小，另一方面，空间结构不规则，因此并没有学者从事相关方向研究。然而利用人工的方式对畸零空间进行规划设计耗时耗力，同时收益较小，很难找到适宜的设计师。因此，将人工智能技术引入畸零空间规划设计，节约人力成本，具有重要意义。

技术实现思路

[0005]本专利技术针对上述的对畸零空间加以利用的技术问题，提出一种基于生成对抗网络的畸零空间规划设计生成方法与系统。
[0006]第一方面，本申请实施例提供了一种基于生成对抗网络的畸零空间规划设计生成方法，包括：
[0007]数据集生成步骤：建立真实的畸零空间规划设计方案的数据集，并对所述数据集中每一张设计方案标注期望标签；
[0008]网络构造步骤：基于深度卷积生成对抗网络构造生成网络和判别网络；
[0009]第一结果生成步骤：根据所述数据集与所述期望标签，基于所述生成网络和所述判别网络生成第一设计方案的真假判断结果；
[0010]随机结果生成步骤：根据所述数据集与所述期望标签，基于所述判别网络生成随机设计方案的真假判断结果；
[0011]网络训练步骤：交替迭代训练所述判别网络和所述生成网络；
[0012]第二方案生成步骤：接收用户提交的期望标签表单，并利用训练好的生成网络生成与所述期望标签表单相对应的第二设计方案。
[0013]上述畸零空间规划设计生成方法，其中，所述生成网络为深度反卷积神经网络，所述判别网络为深度卷积神经网络。
[0014]上述畸零空间规划设计生成方法，其中，所述第一结果生成步骤包括：
[0015]第一方案生成步骤：将所述期望标签输入到所述生成网络中，输出对应的第一设计方案；
[0016]第一判断结果生成步骤：将所述数据集中的真实设计方案、所述第一设计方案以及与所述第一设计方案相对应的期望标签同时输入到所述判别网络中，输出所述第一设计方案的真假判断结果。
[0017]上述畸零空间规划设计生成方法，其中，所述随机结果生成步骤包括：
[0018]将所述数据集中的某个期望标签、与该期望标签对应的真实设计方案和随机的真实设计方案同时输入到所述判别网络中，输出所述随机设计方案的真假判断结果。
[0019]上述畸零空间规划设计生成方法，其中，所述网络训练步骤包括：
[0020]函数设定步骤：设定训练时所述判别网络与所述生成网络的损失函数；
[0021]参数更新步骤：更新所述判别网络与所述生成网络的参数。
[0022]第二方面，本申请实施例提供了一种基于生成对抗网络的畸零空间规划设计生成系统，包括：
[0023]数据集生成模块：建立真实的畸零空间规划设计方案的数据集，并对所述数据集中每一张设计方案标注期望标签；
[0024]网络构造模块：基于深度卷积生成对抗网络构造生成网络和判别网络；
[0025]第一结果生成模块：根据所述数据集与所述期望标签，基于所述生成网络和所述判别网络生成第一设计方案的真假判断结果；
[0026]随机结果生成模块：根据所述数据集与所述期望标签，基于所述判别网络生成随机设计方案的真假判断结果；
[0027]网络训练模块：交替迭代训练所述判别网络和所述生成网络；
[0028]第二方案生成模块：接收用户提交的期望标签表单，并利用训练好的生成网络生成与所述期望标签表单相对应的第二设计方案。
[0029]上述畸零空间规划设计生成系统，其中，所述生成网络为深度反卷积神经网络，所述判别网络为深度卷积神经网络。
[0030]上述畸零空间规划设计生成系统，其中，所述第一结果生成模块包括：
[0031]第一方案生成单元：将所述期望标签输入到所述生成网络中，输出对应的第一设计方案；
[0032]第一判断结果生成单元：将所述数据集中的真实设计方案、所述第一设计方案以及与所述第一设计方案相对应的期望标签同时输入到所述判别网络中，输出所述第一设计方案的真假判断结果。
[0033]上述畸零空间规划设计生成系统，其中，所述随机结果生成模块包括：
[0034]将所述数据集中的某个期望标签、与该期望标签对应的真实设计方案和随机的真实设计方案同时输入到所述判别网络中，输出所述随机设计方案的真假判断结果。
[0035]上述畸零空间规划设计生成系统，其中，所述网络训练模块包括：
[0036]函数设定单元：设定训练时所述判别网络与所述生成网络的损失函数；
[0037]参数更新单元：更新所述判别网络与所述生成网络的参数。
[0038]与现有技术相比，本专利技术的优点和积极效果在于：
[0039]1.本方案有效利用人工智能技术，采用深度卷积神经网络框架，基于生成对抗网络的形式对畸零空间进行规划和设计，根据用户对畸零空间规划的期望表单生成合适的设计方案。由于空间结构不规则，将人工智能技术引入畸零空间规划设计，对于节约人力成本具有重要意义，一方面可以节省设计师的人力成本，另一方面又可以节省需求方寻找设计师的时间成本，同时方便、快捷的满足需求方的需求。
[0040]2.畸零空间在一定意义上可以对社会空间进行整合，也可以促进城市的经济发展。大量的剩余空间，会导致城市景观过于混乱，只有对其进行解决，才可以减少对环境的破坏，增加城市的舒适度，对城市的经济水平进行提高。利用本专利技术对畸零空间进行规划和设计，能够对城市的规划力度得到有力改善，保证城市市容更加紧凑、整齐。
附图说明
[0041]图1为本专利技术提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的畸零空间规划设计生成方法，其特征在于,包括：数据集生成步骤：建立真实的畸零空间规划设计方案的数据集，并对所述数据集中每一张设计方案标注期望标签；网络构造步骤：基于深度卷积生成对抗网络构造生成网络和判别网络；第一结果生成步骤：根据所述数据集与所述期望标签，基于所述生成网络和所述判别网络生成第一设计方案的真假判断结果；随机结果生成步骤：根据所述数据集与所述期望标签，基于所述判别网络生成随机设计方案的真假判断结果；网络训练步骤：交替迭代训练所述判别网络和所述生成网络；第二方案生成步骤：接收用户提交的期望标签表单，并利用训练好的生成网络生成与所述期望标签表单相对应的第二设计方案。2.根据权利要求1所述的畸零空间规划设计生成方法，其特征在于，所述生成网络为深度反卷积神经网络，所述判别网络为深度卷积神经网络。3.根据权利要求1所述的畸零空间规划设计生成方法，其特征在于，所述第一结果生成步骤包括：第一方案生成步骤：将所述期望标签输入到所述生成网络中，输出对应的第一设计方案；第一判断结果生成步骤：将所述数据集中的真实设计方案、所述第一设计方案以及与所述第一设计方案相对应的期望标签同时输入到所述判别网络中，输出所述第一设计方案的真假判断结果。4.根据权利要求1所述的畸零空间规划设计生成方法，其特征在于，所述随机结果生成步骤包括：将所述数据集中的某个期望标签、与该期望标签对应的真实设计方案和随机的真实设计方案同时输入到所述判别网络中，输出所述随机设计方案的真假判断结果。5.根据权利要求1所述的畸零空间规划设计生成方法，其特征在于，所述网络训练步骤包括：函数设定步骤：设定训练时所述判别网络与所述生成网络的损失函数；参数更新步骤：更新所述判别网络与所述生成网络的参数。6.一种基于生...

【专利技术属性】
技术研发人员：李金运，
申请(专利权)人：恩亿科北京数据科技有限公司，
类型：发明
国别省市：