عنوان: تولید طرحبندی شهر با استفاده از شبکههای عصبی مصنوعی و تولید رویهای
در این پروژه هدف پیادهسازی و ارزیابی این بود که تولید چیدمانهای شهر با استفاده از ترکیبی از شبکههای عصبی مصنوعی و تولید رویهای چقدر موثر خواهد بود.
ابتدا، جاده ها از یک جعبه مرزی تعریف شده توسط کاربر از OpenStreetMap با استفاده از API استخراج می شوند. سپس جاده ها به مسیرهای غیر چرخه ای تبدیل می شوند که به هر گره در نمودار منتهی می شوند. اینها سپس یک داغ (به طور طبقه بندی شده) کدگذاری می شوند و در یک شبکه عصبی بازگشتی رمزگذار-رمزگشا یک شات که از واحدهای بازگشتی دروازه ای استفاده می کند، منتقل می شوند. نقشه جدید با عبور بخشی از منبع تولید می شود (زیرا مسیرهای جاده به طور موثر به عنوان کلمات رمزگذاری می شوند). سپس نقشه تولید شده در مقابل تعدادی از پارامترهای نقشه منبع ارزیابی می شود.
روش اجرا شده جاده تولید نمی کند. راهحلهای پیشنهادی عبارتند از: انتقال کدگذاری یکطرفه به یک لایه/ژنراتور تعبیهشده برای اجازه دادن به نمونههای بیشتری برای ارسال، انتقال به یک مدل بازگشتی برای بهبود دقت، آزمایش با واحدهای مختلف.
تشخیص نمودار با استفاده از یک نسخه اصلاح شده از الگوریتم Dijkstra برای یافتن کوتاه ترین مسیرهای چرخه ای که می توانند به عنوان چند ضلعی استفاده شوند، اجرا می شود. به دلیل محدودیت زمانی، تولید طرح اضافه نشد. با این حال، تقسیم چند ضلعی روش پیشنهادی برای تبدیل چند ضلعی های شناسایی شده به اشکال نمودار است.
فن آوری های کلیدی مورد استفاده
پایتون 3.9
Keras (با باطن TensorFlow 2.4)
OpenStreetMap از طریق کتابخانه OSMPythonTools.
کتابخانه NetworkX برای نمایش گراف و عملیات.
ایجاد طرحبندی شهر به صورت دستی میتواند دشوار و زمانبر باشد. خودکارسازی این فرآیند برای ساده و همه کاره بودن به نفع بسیاری از کاربران است، مانند طراحان بازی و هنرمندانی که در غیر این صورت ممکن است زمان زیادی را صرف مطالعه دستی طرحبندی جادهها کنند. پیادهسازیهای موجود از تولید رویهای استفاده میکنند که اغلب باری را بر دوش کاربر میگذارد تا قوانین شهر را درک کند. با توجه به اینکه به درستی پیکربندی شده و داده های زیادی در دسترس است، می توان از شبکه های عصبی مصنوعی برای “یادگیری” توزیع خودکار داده ها استفاده کرد.
این پروژه با هدف پیادهسازی ترکیبی از شبکههای عصبی مصنوعی و روشهای تولید رویهای برای تولید طرحبندی شهر و ارزیابی اثربخشی آن انجام میشود.
این مطالعه انواع تکنیکهای ارزیابی را که قرار است در جادههای تولید شده انجام شود، اجرا میکند تا اثربخشی آن را در رابطه با نقشه منبع مقایسه کند. جاده ها توسط یک شبکه عصبی بازگشتی با واحدهای بازگشتی دروازه ای تولید می شوند. این شبکه عصبی مصنوعی بر روی داده های استخراج شده از OpenStreetMap آموزش داده شده است. نمودارها سپس با استفاده از الگوریتم Dijkstra شناسایی و ارزیابی می شوند.
شبکه عصبی مصنوعی تولید جاده قادر به گرفتن نقشه راه منبع به طور موثر نبود. الگوریتم تشخیص نمودار به دست آمد، اما به دلیل محدودیت زمانی، تولید نمودار با استفاده از برش چند ضلعی و تقسیم بندی اجرا نشد.
این مطالعه پایهای برای توسعه آینده مشکلات مشابه ارائه میکند، به خصوص که هیچ کد منبعی برای رویکرد گرافیکی لاک پشت عصبی مورد استفاده در دسترس نیست. توسعه بیشتر در رابطه با تولید جاده و تقسیم بندی طرح، به ویژه در مورد استفاده از یک لایه جاسازی به جای رمزگذاری دستی یک داغ برای کاهش استفاده از حافظه، مورد نیاز است.
ساختار فایل
encoder_decoder_rnn_roads.py – شامل عملیات مربوط به تولید و کدگذاری توالی های آموزشی، ایجاد شبکه و آموزش است.
ارزیابی.py – ارزیابی شبکه و منطق پیکربندی آموزشی مرتبط. اگر واقعاً می خواهید شبکه ای را آموزش دهید، از این فایل استفاده کنید/تغییر دهید.
get_nodes_networkx.py – مربوط به پرس و جو از OpenStreetMap API، پردازش جاده های بازیابی شده در قالب نمودار و در عین حال اطمینان از فاصله صحیح آن.
plot_generation.py – منطق تشخیص نمودار، عمدتاً Dijkstra چرخه ای را پیاده سازی می کند.
الزامات
این پروژه بر روی TensorFlow نسخه 2.4 ساخته شده است (اگرچه از نسخه اولیه شبانه در طول توسعه استفاده می شد)، برای سرعت بخشیدن به آموزش، باید رایانه شخصی خود را برای استفاده از شتاب GPU پیکربندی کنید.
پروژه مشابه دارید؟
برای ثبت سفارش در سیمیا می توانید از طریق اپلیکیشن سیمیا، یا فرم ثبت سفارش در سایت اقدام کرده و یا از طریق ایمیل، واتساپ، تلگرام و اینستاگرام اقدام نمایید.
اپلیکیشن سیمیا را از بازار و مایکت دانلود کنید.
سریع ترین راه پاسخگویی سیمیا، واتساپ و سروش می باشد. لینک واتساپ، اینستاگرام و تلگرام در پایین سایت وجود دارد.
09392265610
نشانی ایمیل سیمیا simiya_ht@yahoo.com می باشد.
از برقراری تماس برای هماهنگی پروژه خودداری کنید، حجم بالای سفارشات به ما اجازه نمی دهد تا از طریق تلفن پاسخگوی شما عزیزان باشیم، حتما درخواست خود را به صورت مکتوب و از طریق یکی از راه های ذکر شده فوق ارسال نمایید، درخواست خود را به طور کامل و با تمام فایل ها و توضیحات لازم ارسال نمایید تا مدت زمان بررسی آن به حداقل برسد. پس از تعیین کارشناس، در اسرع وقت به شما پاسخ می دهیم.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.