[发明专利]基于语义控制的生成数据集的方法、生成图像的系统

说明书

本发明提供一种基于语义控制的生成数据集的方法、生成图像的系统,包括：根据数据筛选规则从房屋布局图的原始数据集中筛选出合格数据和部分合格数据，删除不合格数据；对合格数据进行半自动标注的图像分割与目标检测，获得房屋布局信息；对部分合格数据进行手动标注的图像分割与目标检测，获得房屋布局信息；房屋布局信息包括：房间类型、房间坐标；根据房屋布局信息，判断计算出房屋类型的数量、房间方位、房间相邻关系；根据房屋类型的数量、房间方位、房间相邻关系，依据文字描述模板生成文字描述；对文字描述再次过滤、规范化数据，生成最终目标检测数据集；本发明优点：能够缩短设计周期的，能让非专业房屋设计人员参与设计。

技术领域

本发明涉及深度学习领域，具体的说，涉及了一种基于语义控制的生成数据集的方法、生成图像的系统。

背景技术

布局构建是图像生成研究领域的一个重要应用，目前可以通过基于手工制作能量最小化的传统方法，强大的数据驱动技术和图形约束布局生成的方法来进行布局构建。2010年，Merrel等人通过贝叶斯网络从给定的数据集学习房间的属性，并通过随机方法综合布局，但它不适合大规模的生成。2014年，Peng等人设计了一种框架，通过用一组可变形模板平铺任意形状的建筑轮廓来产生平面图；Ma等人给出了一组多边形“积木”及其连接约束的图形，生成了不同的游戏级布局，这些方法是基于能量最小化，以较小的人工制作代价生成房屋布局。2019年，Wu等人提出了一种数据驱动的方法，通过学习数千个样本数据来驱动住宅平面图的生成，该方法从起居室开始，通过编码器-解码器网络依次添加房间，然后进行矢量化的最终后处理；Li等人提出了一种称为LayoutGAN的非顺序对抗性生成方法，该方法在生成器中具有自我注意机制，在鉴别器中具有线框渲染器。2020年，Nauata等人提出一个通过输入气泡图来生成房屋布局的House-GAN模型。

然而，这些方法需要通过调整给定建筑轮廓的内部边缘来生成建筑布局，不能根据自然语言来生成房间布局。

对于房屋布局设计而言，房屋设计是一项复杂的工作，通常需要有专业知识的专业设计师进行设计。房屋设计是一个耗时的迭代过程，通常一个房屋设计的流程，首先是绘制一个简单的点线图来说明房间的数量、类型、方位以及相邻关系。然后设计师制作相应的平面图，最后收集客户的反馈，返回图中进行修改细化。这样的过程迭代进行，在给定有限的预算和时间内，可能会降低设计的质量。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，本发明一方面提供一种能够缩短专业房屋设计人员的设计周期的，同时可以让非专业房屋设计人员参与设计的，基于语义控制的房屋布局生成数据集的构建方法。

本发明另一方面，提供一种基于语义控制的房屋布局对抗网络模型生成图像的系统。

为了实现上述目的，本发明所采用的技术方案是：

本发明第一方面提供一种基于语义控制的房屋布局生成数据集的构建方法，所述方法包括：

根据预定的数据筛选规则从房屋布局图的原始数据集中筛选出合格数据和部分合格数据，删除不合格数据；

对所述合格数据进行半自动标注的图像分割与目标检测，获得房屋布局信息；

对所述部分合格数据进行手动标注的图像分割与目标检测，获得房屋布局信息；

所述房屋布局信息包括房间类型、房间坐标；

根据所述房屋布局信息，计算出房屋类型的数量、房间方位、房间相邻关系；

根据所述房屋类型的数量、房间方位、房间相邻关系，依据文字描述模板生成文字描述；

对所述文字描述再次过滤、规范化数据，生成最终目标检测数据集。

基于上述，所述房间类型包括：客厅LivingRoom、卧室Bedroom、阳台Balcony、厨房Kitchen、卫生间BathRoom和书房Library。