[发明专利]一种基于深度神经网络的家居设计方法

摘要

本发明涉及一种基于深度神经网络的家居设计方法，属于深度神经网络及家居设计技术领域。首先采集家居设计陈列对家居进行标注，再基于经过标注的家居摆放顺序生成序列数据；然后设计家居预测模型，基于所设计的家居预测模型提取家具字符间的结构特征、学习序列数据并对家居摆放顺序进行预测；基于家居物体相对尺寸的参数约束设计双向分层家居预测模型，再进行层次化递归的多轮预测，使多轮预测结果更符合家居设计的实际情况；最后针对实际应用中对不同设计风格的需求，设计了针对特定风格的家居预测模型。本发明运用三维引擎进行三维家居场景绘制，以三维方式直观地证明了模型的有效性和风格学习优势。

主权项

1.一种基于深度神经网络的家居设计方法，其特征在于：核心思想是：首先采集家居设计陈列对家居序列进行标注，再基于经过标注的家居序列，即家居摆放顺序生成序列数据；然后设计顺序结构家居预测模型，基于所设计的顺序结构家居预测模型提取家具字符间的结构特征、学习序列数据并对家居摆放顺序进行预测；引入限制家居物体相对尺寸的参数约束，构建双向分层家居预测模型，对于每一层的预测任务都事先给定该层的参数约束，同时在预测阶段利用集束搜索进行参数筛选，即进行层次化递归的多轮预测，预测结果更符合家居设计的实际情况；最后设计针对不同风格的家居预测展示模型，实现应用中对不同设计风格的需求，运用三维引擎进行三维家居场景绘制，以三维方式直观地证明了模型的有效性和风格学习优势；本发明的目的通过以下技术方案实现：一种基于深度神经网络的家居设计方法包括顺序结构家居预测模型和双向分层家居预测模型，实现方法分为数据预处理阶段、训练阶段、预测阶段以及模型绘制阶段；其中，顺序结构家居预测模型的数据预处理阶段，包括如下步骤：步骤1.将采集得到每一组家居摆放数据，按顺序进行人工标注得到家居序列，该序列分为输入序列和输出序列两部分，生成完整的家居数据集；步骤2.创建对应的家居数据集词汇表，词汇表主要包含特殊标记和家居标记；顺序结构家居预测模型的训练阶段，包括如下步骤：步骤3.序列编码过程，具体为：将步骤1的输入序列作为循环神经网络模型的输入，计算并得到状态序列，该状态序列较为完整地保留了输入序列的结构信息；步骤4.序列解码过程，具体为：对步骤3得到的状态序列加权求和得到当前状态语义向量，该语义向量用于判定模型需要将更多的注意力放于状态序列的哪个位置，使家居的结构信息得以在全部的神经网络模型中传输，将当前状态语义向量作为循环神经网络模型的输入，计算得到出输出序列的概率分布，得到基于循环神经网络的顺序结构家居序列预测模型；顺序结构家居预测模型的预测阶段，具体为：步骤5.将一组部分家居序列输入到步骤4得到的模型，生成并得到完整的家居序列；双向分层家居预测模型的数据预处理阶段，包括如下步骤：步骤6.在步骤1的家居数据集中加入尺寸参数，并创建带尺寸参数的家居数据集；步骤7.对所有家居常规尺寸参数化并扩充到步骤2的词汇表中，创建层次化家居模型词汇表，词汇表主要包含特殊标记和家居标记；步骤8.一个完整的家居序列定义为子序列的集合D，其中D＝{U1,U2,…,U2k‑1,U2k}，每一个子序列Um包含若干家居模型词汇，即Um＝{wm,1,wm,2,wm,3…wm,n}，wm,n表示该词汇在第m个子序列Um中的位置n，可以表示如步骤7所示的家居标记的内容含义或特殊标记所表示的当前行为状态，家居序列中U2i‑1表示输入子序列，U2i表示输出子序列，其中i＝1,2,…,k；双向分层家居预测模型的训练阶段，分层递归结构建模与实施的过程，包括如下步骤：步骤9.如步骤8所示家居序列集合，设置递归次数为k，设置i初始值为1；步骤10.序列编码过程，具体为：将步骤8的输入子序列U2i‑1作为循环神经网络的输入，计算得到该输入子序列对应的编码向量；步骤11.将步骤10输出的输入子序列对应的编码向量作为循环神经网络的输入，计算得到该输入子序列时刻对应的上下文向量；步骤12.序列解码过程，具体为：将步骤11输出的上下文向量与步骤8输出子序列U2i并联一起作为循环神经网络的输入向量，再对该输出子序列进行预测，产生对应该输出子序列的词汇概率分布；步骤13.置i＝i+1，利用步骤12的输出子序列和下一个输入子序列U2i‑1，组合作为新的输入子序列，迭代执行步骤10至步骤12，直至i＝k遍历完所有子序列，得到基于循环神经网络的分层递归结构家居预测模型；双向分层家居预测模型的预测阶段，包括如下步骤：步骤14.基于步骤13家居预测模型，输入家居子序列，预测相应输出子序列；步骤15.使用集束搜索对预测可选方案进行筛选与排序，在所有满足约束条件的序列中，选择概率得分最高的一个序列作为目标输出，与输入构成当前分层的家居预测序列，最终预测生成完整家居序列；模型绘制阶段，具体为：利用三维软件进行场景建模，将预测到的家居序列方案在模型库中检索到对应的模型，并在场景中绘制，同时准备不同风格种类的数据集，根据预测序列在模型库中检索对应风格家居进行绘制；顺序结构家居预测模型和双向分层家居预测模型的模型绘制阶段相同。