CN112651062A - 一种基于纯注意力网络的房间家具自动布局的方法 - Google Patents
一种基于纯注意力网络的房间家具自动布局的方法 Download PDFInfo
- Publication number
- CN112651062A CN112651062A CN201911255462.7A CN201911255462A CN112651062A CN 112651062 A CN112651062 A CN 112651062A CN 201911255462 A CN201911255462 A CN 201911255462A CN 112651062 A CN112651062 A CN 112651062A
- Authority
- CN
- China
- Prior art keywords
- furniture
- room
- information
- attention network
- embedding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于纯注意力网络的房间家具自动布局的方法,包括以下步骤:步骤1:获取与处理训练样本的数据;步骤2:对家具与房间分别进行embedding处理;步骤3:对家具布局的顺序进行位置postion embedding步骤4:使用房间信息与物品信息与已布局物品信息构建为编码器;步骤5:构建解码器;步骤6:输出目标物品位置方向。该基于纯注意力网络的房间家具自动布局的方法能够根据输入的户型信息,输入的待布局家具信息,快速将家具布局在指定户型中。本发明将深度学习在自然语言处理方面的使用技术应用到房间自动布局设计,可以节省大量时间与成功成本,提升生产效率。
Description
技术领域
本发明属于家装设计技术领域,具体为一种基于纯注意力网络的房间家具自动布局的方法。
背景技术
家庭装修领域也就是家装领域的需求越来越高、需求量越来越大,是目前需求缺口最大的领域之一,业主装修自己的房子时,往往会去家装公司找设计师先设计自己的房子,现有家装设计中,主要通过设计师通过CAD等软件结合经验知识设计户主房间家具摆放,消耗大量时间与人工,并且现有的自动套用设计的网站上效果往往比较差。
发明内容
针对现有技术存在的上述问题,本发明所要解决的技术问题在于提供一种基于纯注意力网络的房间家具自动布局的方法,以解决目前的在家装设计中设计费时费力的问题。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于纯注意力网络的房间家具自动布局的方法,包括以下步骤:
步骤1:获取与处理训练样本的数据;
步骤2:对家具与房间分别进行embedding处理;
步骤3:对家具布局的顺序进行位置embedding(postion embedding);
步骤4:使用房间信息与物品信息与已布局物品信息构建为编码器;
步骤5:构建解码器;
步骤6:输出目标物品位置方向。
进一步的,所述步骤1中待布局家具的最多家具个数作为padding的长度。
进一步的,所述步骤2中通过用指定的数字编码房间信息,家具信息,表征家具、门窗墙的位置,与家具的方向,然后接入embedding层embedding的size设置为5。
进一步的,所述步骤3中postion embedding方法对待布局的物品进行先后顺序区分的方法为:
进一步的,pos指的是这个家具在整体待布局家具中的位置,2i指的是家具embedding信息的偶数维度,2i+1指的是家具embedding信息的奇数维度。
进一步的,所述步骤4中使用的多头注意力机制中的head的个数为4,编码器的个数为2。
进一步的,所述步骤5中使用的已布局家具信息与步骤3共用的embedding层。
有益效果:与现有技术相比,本申请具有以下优势:
该基于纯注意力网络的房间家具自动布局的方法能够根据输入的户型信息,输入的待布局家具信息,快速将家具布局在指定户型中。本发明将深度学习在自然语言处理方面的使用技术应用到房间自动布局设计,可以节省大量时间与成功成本,提升生产效率。
附图说明
图1是基于纯注意力网络的房间家具自动布局的方法数据输入示意图;
图2是网络框架结构图。
具体实施方式
下面结合附图对本发明做进一步的说明。
如图1、图2所示,本申请的基于纯注意力网络的房间家具自动布局的方法,包括以下步骤;
步骤1:获取与处理训练样本的数据,标注户型图中的门窗墙(房间信息)与家具方向位置(家具信息),按照指定的家具顺序处理布局家具,padding成统一长度的序列数据;
步骤2:对家具与房间分别进行embedding处理,对家具与房间信息的编码进行embedding;
步骤3:对家具布局的顺序进行位置embeddin(postion embedding),使用位置编码区分布局家具的先后顺序;
步骤4:使用房间信息与物品信息与已布局物品信息构建为编码器,房间信息的embedding与物品信息的embedding以及已布局物品的上下文信息embedding信息concate,然后加上多头自注意力层(multiheadself attention)、残差层、层归一化(norm),与前馈网络层(FeedForward)构成编码器,该编码器的结构见网络结构图中左侧部分,该部分用于捕捉所有待布局物品的信息与当前布局物品的房间内上下文信息之间的相互关系(注意力),设置的超参为编码器的个数:2,注意力头的个数为:4,num_units为:256;
步骤5:构建解码器,已布局物品的实际位置与方向,与待布局物品的信息(长宽默认方向等)经过embedding,concate计算自注意力,编解码器之间的注意力,残差,层归一化与前馈网络层,构成解码器,该编码器的结构见网络结构图中右侧部分,该部分用于捕捉所有已布局物品的位置与编码器之间的关系(注意力),设置的超参为编码器的个数:2,注意力头的个数为:4,num_units为:256;
步骤6:输出目标物品位置方向,解码器特征输出后接入全连接层输出预测物品的位置与方向,位置为具体房间中的该物品中心点所在的位置,方向为相对于每个物品默认方向旋转0°,90°,180°,270°四个角度的方向。
步骤1中待布局家具的最多家具个数作为padding的长度。
步骤2中通过用指定的数字编码房间信息,家具信息,表征家具、门窗墙的位置,与家具的方向,然后接入embedding层embedding的size设置为5,如家具类型编码,家具的长宽信息编码,房间的门窗墙等信息进行编码,并对编码的信息进行embedding操作,该过程中使用的超参:embedding word size为5000,embedding size为5。
步骤3中postion embedding方法对待布局的物品进行先后顺序区分的方法为:
pos指的是这个家具在整体待布局家具中的位置,2i指的是家具embedding信息的偶数维度,2i+1指的是家具embedding信息的奇数维度。
步骤4中使用的多头注意力机制中的head的个数为4,编码器的个数为2。
步骤5中使用的已布局家具信息与步骤3共用的embedding层。
该模型在卧室中的预测效果表:
房间 | Top1_acc | Top4_acc | Top8_acc |
卧室 | 0.660 | 0.935 | 0.971 |
本发明提供了一种基于纯注意力网络的房间家具自动布局的方法的思路及实施方法,具体应用途径很多,以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进,这些改进也应视为本发明的保护范围。
Claims (7)
1.一种基于纯注意力网络的房间家具自动布局的方法,其特征在于,包括以下步骤:
步骤1:获取与处理训练样本的数据;
步骤2:对家具与房间分别进行embedding处理;
步骤3:对家具布局的顺序进行位置embedding、postion embedding;
步骤4:使用房间信息与物品信息与已布局物品信息构建为编码器;
步骤5:构建解码器;
步骤6:输出目标物品位置方向。
2.根据权利要求1所述的基于纯注意力网络的房间家具自动布局的方法,其特征在于:所述步骤1中待布局家具的最多家具个数作为padding的长度。
3.根据权利要求1所述的基于纯注意力网络的房间家具自动布局的方法,其特征在于:所述步骤2中通过用指定的数字编码房间信息,家具信息,表征家具、门窗墙的位置,与家具的方向,然后接入embedding层embedding的size设置为5。
5.根据权利要求4所述的基于纯注意力网络的房间家具自动布局的方法,其特征在于:pos指的是这个家具在整体待布局家具中的位置,2i指的是家具embedding信息的偶数维度,2i+1指的是家具embedding信息的奇数维度。
6.根据权利要求1所述的基于纯注意力网络的房间家具自动布局的方法,其特征在于:所述步骤4中使用的多头注意力机制中的head的个数为4,编码器的个数为2。
7.根据权利要求1所述的基于纯注意力网络的房间家具自动布局的方法,其特征在于:所述步骤5中使用的已布局家具信息与步骤3共用的embedding层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255462.7A CN112651062B (zh) | 2019-12-09 | 2019-12-09 | 一种基于纯注意力网络的房间家具自动布局的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911255462.7A CN112651062B (zh) | 2019-12-09 | 2019-12-09 | 一种基于纯注意力网络的房间家具自动布局的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651062A true CN112651062A (zh) | 2021-04-13 |
CN112651062B CN112651062B (zh) | 2022-07-26 |
Family
ID=75343217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911255462.7A Active CN112651062B (zh) | 2019-12-09 | 2019-12-09 | 一种基于纯注意力网络的房间家具自动布局的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651062B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449356B (zh) * | 2021-09-01 | 2021-12-07 | 深圳须弥云图空间科技有限公司 | 室内自动布局方法、装置、计算机设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778538A (zh) * | 2012-10-17 | 2014-05-07 | 李兴斌 | 一种家具仿真布局方法和*** |
CN110363853A (zh) * | 2019-07-15 | 2019-10-22 | 贝壳技术有限公司 | 家具摆放方案生成方法、装置以及设备、存储介质 |
-
2019
- 2019-12-09 CN CN201911255462.7A patent/CN112651062B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778538A (zh) * | 2012-10-17 | 2014-05-07 | 李兴斌 | 一种家具仿真布局方法和*** |
CN110363853A (zh) * | 2019-07-15 | 2019-10-22 | 贝壳技术有限公司 | 家具摆放方案生成方法、装置以及设备、存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449356B (zh) * | 2021-09-01 | 2021-12-07 | 深圳须弥云图空间科技有限公司 | 室内自动布局方法、装置、计算机设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112651062B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108415893B (zh) | 诗歌自动生成方法、装置、计算机设备及存储介质 | |
CN111191856B (zh) | 计及时序动态特性和耦合特性的区域综合能源***多能负荷预测方法 | |
CN109543100B (zh) | 基于协同学习的用户兴趣建模方法和*** | |
CN107862411A (zh) | 一种大规模柔性作业车间调度优化方法 | |
ATE533075T1 (de) | Mehrpunkt-geostatistikverfahren mit abzweigungs- lauflängen-kompression und lokaler rastertransformation | |
CN106789898B (zh) | 远程数据传输终端、***及其编码、解码方法 | |
CN112651062B (zh) | 一种基于纯注意力网络的房间家具自动布局的方法 | |
CN114358185B (zh) | 一种基于改进K均值聚类CCA-BiLSTM多维度短期电力负荷预测方法 | |
Cao et al. | CNN-LSTM coupled model for prediction of waterworks operation data | |
Solimanpur et al. | A new approach to the cell formation problem with alternative processing routes and operation sequence | |
Guo et al. | A hybrid 3D feature recognition method based on rule and graph | |
Wen et al. | Human assembly task recognition in human-robot collaboration based on 3D CNN | |
CN116244333A (zh) | 一种基于代价因子校准的数据库查询性能预测方法及*** | |
Zhou et al. | Minimizing makespan in a no-wait flowshop with two batch processing machines using estimation of distribution algorithm | |
CN115115846A (zh) | 户型布局的自动生成方法、装置、计算机设备及存储介质 | |
He et al. | A lightweight CNN model and its application in intelligent practical teaching evaluation | |
Liu et al. | A multi-improved genetic algorithm for facility layout optimisation based on slicing tree | |
CN112131629A (zh) | 一种基于人工智能的家居场景布局方法 | |
CN110705650B (zh) | 一种基于深度学习的钣金布局方法 | |
Hu et al. | [Retracted] A Graph Neural Network (GNN) Algorithm for Constructing the Evolution Process of Rural Settlement Morphology | |
Wang et al. | Existence and approximate controllability for systems governed by fractional delay evolution inclusions | |
CN115392191A (zh) | 一种物料编码生成方法、识别方法和装置 | |
CN113420869A (zh) | 基于全方向注意力的翻译方法及其相关设备 | |
Kang et al. | TiCTok: Time-Series Anomaly Detection with Contrastive Tokenization | |
CN106611278A (zh) | 一种新的模拟退火算法解决作业车间调度问题 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |