论文部分内容阅读
采用风景园林学与人工智能的跨学科研究方式,开发了一种将深度学习模型——生成对抗网络(Generative Adversarial Network,GAN)用于风景园林平面图用地识别与图像渲染的新应用场景。以325张细致标注的平面方案图建立用于深度学习的数据集,训练循环生成对抗网络(CycleGAN)实现平面图不同用地类型地块的提取任务,以及平面色块图到色彩肌理图的渲染生成。进一步从图片质量、正确规范性和色彩表达等方面评价模型的识别与渲染结果。该训练模型有潜力被应用于风景园林案例的用地类型分析及平面渲染,帮