[发明专利]基于生成对抗网络的畸零空间规划设计生成方法与系统

权利要求书

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。

6.一种基于生成对抗网络的畸零空间规划设计生成系统，其特征在于,包括：

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；

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；

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；

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；

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；

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。

7.根据权利要求6所述的畸零空间规划设计生成系统，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。

8.根据权利要求6所述的畸零空间规划设计生成系统，其特征在于，所述第一结果生成模块包括：

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；

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。

9.根据权利要求6所述的畸零空间规划设计生成系统，其特征在于，所述随机结果生成模块包括：

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。

10.根据权利要求6所述的畸零空间规划设计生成系统，其特征在于，所述网络训练模块包括：

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；

参数更新单元：更新所述判别网络与所述生成网络的参数。