[发明专利]基于深度对抗网络模型的室内功能区划分方法

摘要

本发明公开一种基于深度对抗网络模型的室内功能区划分方法。本发明首先把一个空的房间根据具体使用划分成若干矩形的功能区域。进一步，对传统的生成式条件对抗网络进行改进，并应用实际工程数据集进行训练用以学习这些功能区之间的相对关系，以及功能区位置大小和过道，门窗，户型形状的内在联系，获得生成式功能区分割模型。最后，在房间功能区域划分基础之上，选择各自区域的一个主家具，用层次关联结构对家具集群在各自区域内部进行位置，朝向的描述。最终完成室内家具的自动布局，本发明的布局有效的利用了空间且美观，并且能够满足人们使用、通行等方面的要求。

主权项

1.基于深度对抗网络模型的室内功能区划分方法，其特征在于该方法包括以下步骤：第一步：数据集制作；从家具布局完善的户型图中提取卧室，客厅，书房布局图，并对这些房间标注门窗；按照家具功能的类似程度和集中情况，圈出功能区；这些处理过的布局图，被用作模型的训练，所述的功能区是指一个户型中的家具按照其功能属性集中成群出现在户型中的若干个区域；第二步：把数据集输入DCGAN神经网络模型进行训练，并对模型进行参数调整和结构改善；进过训练、参数调整和结构改善后的DCGAN神经网络模型，其输入为空的户型图；输出即为功能区划分完毕的户型图；所述的DCGAN神经网络模型经过了以下的迭代训练：S1.随机噪声联合空户型信息输入DCGAN神经网络模型中的生成器，生成器产生一组初代假样本；S2.使用第一步得到的数据集，训练DCGAN神经网络模型中的判别器，判别器返回一个概率阈值参数，用于反映此轮生成器产生样本接近真实样本的程度；S3.利用判别网络的返回的概率阈值参数指导生成器调整自身模型参数，生成一组比上次迭代更为标准的样本；S4.返回S2，迭代调整到判别器无法判断生成器生成样本是否为真实样本时停止迭代。