排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
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,帮助设计师提升分析及制图效率。 相似文献
3.
4.
智慧城市中,物联网技术正逐步改变风景园林师的设计方式。针对中小尺度绿色雨水设施(green stormwater infrastructure, GSI)监测设计的技术问题,从风景园林学科视角探讨在线监测的指标、方法及系统原型。重点阐述了一种基于水量平衡的绿色雨水设施出入流计算及监测方法。针对不同GSI流域开放/封闭、下渗/不可下渗及有无稳定水体的情景,提出了3种传感设计原型,为风景园林师开展相关监测提供了初步指南。进一步介绍典型的物联网数据传输方案并指出:在线监测系统的搭建是通过较小的空间干预,来实现虚拟数据空间与实体空间的融合。 相似文献
1