(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210854024.8 (22)申请日 2022.07.13 (71)申请人 重庆交通大 学 地址 400074 重庆市南岸区学府大道6 6号 (72)发明人 艾乔　周韦世　敖翔　姚阳　 (74)专利代理 机构 北京和联顺知识产权代理有 限公司 1 1621 专利代理师 冯学毅 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于BicycleGAN的口袋公园概念方案生成 设计方法 (57)摘要 本发明公开了基于BicycleGAN的口袋公园 概念方案生成设计方法， 包括： 收集真实口袋公 园布局设计方案图像作为原始训练数据样本； 针 对口袋公园布局生成目标设定标准对原始训练 数据样本进行筛选； 将原始训练数据样本进行数 据清洗； 根据BicycleGAN的数据输入格式对训练 集和测试集进行数据预处理； 训练BicycleGAN深 度学习模型， 得到训练后的BicycleGAN深度学习 模型； 将测试集中测试图像输入至训练完成后的 深度学习模型， 得到口袋公园布局方案。 本发明 可以充分提取输入数据中有价值的特征信息， 生 成多个接近数据集中真实样本的图像， 可以实现 口袋公园初期的草图或者概念图纸自动化生成 设计， 可为 设计师尤其是没有经验的设计师提供 一定参考价值， 进行下一步图纸深化工作。 权利要求书2页 说明书6页 附图3页 CN 115238347 A 2022.10.25 CN 115238347 A 1.基于BicycleGAN的 口袋公园概念方案生成设计方法， 其特 征在于， 包括以下步骤： S100： 收集真实口袋公园布局设计方案图像作为原 始训练数据样本； S200： 针对口袋公园布局生成目标设定标准对原 始训练数据样本进行筛 选； S300： 将原始训练数据样本进行数据清洗， 统一口袋公园布局设计方案图像的风格， 用 不同的色块标注不同的 口袋公园设计要素， 并划分训练集、 验证集和 测试集； S400： 根据BicycleGAN的数据输入格式对训练集和 测试集进行 数据预处 理； S500： 搭建BicycleGAN深度学习模型并进行训练， 得到训练后的BicycleGAN深度学习 模型； S600： 将验证集输入进深度学习模型并根据生成结果不断优化模型， 得到最终的深度 学习模型； S700： 将测试集中测试图像输入至训练完成后的深度学习模型， 得到设计后的平面布 局规划图。 2.根据权利要求1所述的基于BicycleGAN的口袋公园概念方案生成设计方法， 其特征 在于， 所述S 300中用不同的色块标注不同的口袋公园设计要 素， 具体步骤包括： 通过信息映 射方法将园林布局中的设计要 素平面布局信息映射到图像之中， 所述标注标注对象包括道 路、 建筑、 乔灌木、 草 坪、 构筑物、 水体等常见设计要素。 3.根据权利要求1所述的基于BicycleGAN的口袋公园概念方案生成设计方法， 其特征 在于， 所述S400中进行训练及测试数据集的数据预处理， 具体包括统一口袋公园案例图像 的比例及大小， 采用相同的颜色对口袋公园案例图像中的相同设计要 素进行标注， 同时， 通 过旋转或者翻转的方式实现数据样本的扩充。 4.根据权利要求1所述的基于BicycleGAN的口袋公园概念方案生成设计方法， 其特征 在于， 所述S40 0中深度学习模型采用BicycleGAN深度学习模型。 5.根据权利要求1所述的基于BicycleGAN的口袋公园概念方案生成设计方法， 其特征 在于， 所述搭建基于BicycleGAN的深度学习模型， 具体以下包括 步骤： 步骤1： 在生成器中插 入潜在编码； 方法为多次重复潜在编码然后与输入图像连接； 步骤2： 创建模型CV AE‑GAN； 步骤3： 创建模型cLR ‑GAN； 步骤4： 在终端运行pytho n‑m visdom.server， 开启模型训练可视化； 步骤5： 获取 数据， 加载 数据； 步骤6： 设定好 参数开始训练模型； 具体步骤为在t rain.py文件下， 在终端运行以下代码开始训练： python train.py ‑‑dataroot./dataset/test_AB ‑‑name hehe‑‑model bicycle_ gan‑‑direction BtoA 步骤7： 执 行前向传递并收集两个模型的输出； 步骤8： 通过反向传播更新 鉴别器； 步骤9： 根据模型的输出计算损失； 步骤10： 更新 生成器和编码器的权 重； 步骤11： 测试模型 具体步骤为在test.py文件下， 在终端运行以下代码开始测试：权　利　要　求　书 1/2 页 2 CN 115238347 A 2Python test.py‑‑dataroot./dataset/test_AB ‑‑name hehe‑‑model bicycle_gan ‑‑ direction BtoA。 6.一种基于BicycleGAN的口袋公园概念方案生成系统， 其特征在于， 包括原始训练数 据样本构建模块、 样本筛选模块、 数据清洗及标注模块、 数据预处理模块、 模型搭建及训练 模块、 模型测试优化模块和设计图生成模块； 所述数据样本构建模块， 用于收集真实口袋公园方案设计图像作为原始训练数据样 本； 所述数据样本筛选模块， 用于针对口袋公园生成 目标设定标准对所述原始训练数据样 本进行筛 选； 所述数据清洗及标注模块， 用于将所述原始训练数据样本进行数据清洗， 统一口袋公 园布局设计方案图像的风格， 用不同的色块标注不同的 口袋公园设计要素。 所述数据预处理模块， 用于进行训练及测试数据集的数据预处理， 用于满足输入 BicycleGAN模型的格式条件； 所述模型 搭建及训练模块， 用于搭建并训练BicycleGAN模型； 所述模型测试及优化模块， 用于通过验证集不断测试及其优化BicycleGAN模型， 得到 最终的BicycleGAN模型； 所述设计图生成模块， 用于将设计前的场地环境条件图输入至训练完成后的 BicycleGAN模型， 生成多个设计后的 口袋公园平面布局规划图。 7.一种信息数据处理终端， 其特征在于， 所述信 息数据处理终端实施权利要求1 ‑5任意 一项所述的基于BicycleGAN的 口袋公园概念方案生成设计方法。 8.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器存 储有计算机程序， 所述计算机程序被所述处理器执行时， 实现如权利要求 1‑5任一项所述基 于BicycleGAN的 口袋公园概念方案生成设计方法。 9.一种计算机可读存储介质， 其特征在于， 存储有计算机程序， 所述计算机程序被处理 器执行时， 使得所述处理器执行权利要求1 ‑5任意一项所述的基于BicycleGAN的口袋公园 概念方案生成设计方法。权　利　要　求　书 2/2 页 3 CN 115238347 A 3