近年來,人們隨著時代的發(fā)展生活條件有了明顯提高,居住水平也不斷追求高品質(zhì),家裝行業(yè)成為了一種新型消費時尚。國內(nèi)市場的建筑裝飾(含設計)行業(yè)快速發(fā)展,人們對于家裝設計的需求也日益改變,兩者發(fā)展的同時問題也隨之出現(xiàn)。軟裝布局設計標準化響應速度低,產(chǎn)生大量重復性的勞動,設計師的設計費用對普通人來說價格高昂且設計方案迭代周期長。本文結合實際需要給出一種基于深度學習的軟裝布局方法。本文將深度學習應用于軟裝的布局設計中,聚焦于標準化軟裝布局設計�？紤]到軟裝布局設計的特征規(guī)模較大,針對房間結構、軟裝信息和設計風格等特征進行提取。選取臥室和客廳為研究主體,對軟裝布局設計的基本流程、特性和設計理念等進行了具體分析,有針對性的對軟裝設計數(shù)據(jù)集進行了特征工程來提高模型和算法上限�；贐P神經(jīng)網(wǎng)絡(back propagation)構建了軟裝布局模型,并對模型的網(wǎng)絡結構、訓練過程、模型參數(shù)調(diào)優(yōu)等進行了分析,使用了Batch Normalization、Dropout機制等方法,加快訓練速度和收斂過程,提高網(wǎng)絡穩(wěn)定性,防止模型過擬合。通過評估指標分析實驗結果。針對BP神經(jīng)網(wǎng)絡學習速率慢且容易產(chǎn)生取得局部最小值的問...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖1.1深度學習框架

青島大學碩士學位論文3多層神經(jīng)網(wǎng)絡無法廣泛應用。隨著深度學習的算法不斷研究突破，Hinton等研究人員提出了逐層訓練的模式，能夠在一定程度上解決了網(wǎng)絡無法收斂而取得局部最優(yōu)解的問題。深度學習現(xiàn)在已經(jīng)在圖像分析[1][2]、視頻分類[3]、自然語言處理[4]、語音識別[5][6]等....

圖2.2橫廳型客廳結構示意圖

青島大學碩士學位論文7圖2.1豎廳型客廳結構示意圖圖2.2橫廳型客廳結構示意圖（3）家具規(guī)格。客廳的主要家居為：多個沙發(fā)、茶幾以及電視等。沙發(fā)從種類為：三人座、二人座和單人座。大面積的客廳通常采用3+2+1的沙發(fā)組合，而面積稍小的客廳一般采用3+1的沙發(fā)組合。茶幾一般有方形和圓型....

圖2.3口字型臥室結構示意圖

青島大學碩士學位論文9圖2.3口字型臥室結構示意圖圖2.4L型臥室結構示意圖（3）家具規(guī)格。臥室的主要家居為：床、衣柜等。床從種類分為單人床、雙人床，通常標準尺寸為1.2m、1.5m、1.8m和2m的寬度。衣柜通常根據(jù)實際情況進行定做衣柜或者標準衣柜，而衣柜深度一般為0.6m到0....

圖2.5M-P神經(jīng)元模型

青島大學碩士學位論文102.2神經(jīng)網(wǎng)絡理論2.2.1神經(jīng)元模型人工神經(jīng)網(wǎng)絡通過神經(jīng)單元加工、學習外部信息，可以形成具有多個神經(jīng)元的系統(tǒng)網(wǎng)絡，并且可以提取信息特征。人工神經(jīng)網(wǎng)絡由輸入層、輸出層和每個神經(jīng)單元的狀態(tài)構成，輸出層的作用為接受外部信息，輸出層則是提取信息特征。對外界信息的....

本文編號：4032777