CN119538389A 一种基于深度学习的高层住区消防场地自动生成设计方法 (汕头大学)_第1页
CN119538389A 一种基于深度学习的高层住区消防场地自动生成设计方法 (汕头大学)_第2页
CN119538389A 一种基于深度学习的高层住区消防场地自动生成设计方法 (汕头大学)_第3页
CN119538389A 一种基于深度学习的高层住区消防场地自动生成设计方法 (汕头大学)_第4页
CN119538389A 一种基于深度学习的高层住区消防场地自动生成设计方法 (汕头大学)_第5页
已阅读5页,还剩16页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于深度学习的高层住区消防场地自本发明公开了一种基于深度学习的高层住的真实样本;将所述训练集输入pix2pix模型的信赖度;将所述测试集输入到训练好的pix2pix模型中,生成高层居住区消防场地布局方案图行评估与优化pix2pix模型。采用本发明,可高2S2:对所述数据样本进行清洗和标准化处理,并划S3:使用生成式对抗网络中的pix2pix模型作为核心架构,将所述训练集输入所述pix2pix模型的生成器中生成图像,并将所述图像和与其对应的所述训练集的真实样本同2.根据权利要求1所述的基于深度学习的高层住区消防场地自动生成设计方法,其特3.根据权利要求2所述的基于深度学习的高层住区消防场地自动生成设计方法,其特4.根据权利要求1所述的基于深度学习的高层住区消防场地自动生成设计方法,其特去除样本图像中的噪声和无关信息,使图像只保留与建筑布局和消防场地相关的元对收集到的符合筛选条件的样本进行结构化整5.根据权利要求1所述的基于深度学习的高层住区消防场地自动生成设计方法,其特6.根据权利要求5所述的基于深度学习的高层住区消防场地自动生成设计方法,其特7.根据权利要求1所述的基于深度学习的高层住区消防场地自动生成设计方法,其特将对应每份训练集真实样本制作只具有基础信息:周边道路和将对应每份测试集真实样本制作只具有基础信息:周边道路和场地的图38.根据权利要求7所述的基于深度学习的高层住区消防场地自动生成设计方法,其特使用只具有基础信息的测试集数据,利用其内置的编码器部分对图像进行特征提取,将图像信息压缩为一个包含场地和周边道路的关键信息的特征向量为后续生成布局提供9.根据权利要求8所述的基于深度学习的高层住区消防场地自动生成设计方法,其特4在应对复杂的消防疏散场地规划要求时就显ABM建模的混合方法来生成自动化的2D建筑布局(该方法首先通过基于代理的建模生成满度学习的高层住区消防场地自动生成设计方法具有重pix2pix模型的生成器中生成图像,并将所述图像和与其对应的所述训练集的真实样本同5对收集到的符合筛选条件的样本进行结构化整6[0019]本发明实施例的一种基于深度学习的高层住区消防场地自动生成设计方法通过对收集到的数据样本进行清洗和标准化处理,去除样本图像中的噪声和无关信[0023]将样本图像统一调整其尺寸和分辨率分辨率为:512像素*512像素,300像素/英7[0029]生成器的网络结构采用编码器_解码器架构。编码器部分由多个卷积层[0032]反卷积层的作用是将编码器提取到的特征信息逐步还原为与目标图像尺寸相同8x,yx,zx,yx,z样本会被同时输入到判别器中。判别器根据图像的真实性输出判别结果,通过均方误差和结构相似性来衡量像素值,表示第i个生成图像的像素值,表示真实值的质量和可信赖度。整个过程可看作是模型的训练通过生成器和判别器的交替优化进行。92,表示判接通道布局;另外满足规定消防车道净宽度不应小于4米,消防登高场地尺寸不应小于

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论