一种图像生成方法及服务器技术

本发明专利技术公开了一种图像生成方法，所述方法包括：监控页面目标区域中目标信息是否变化，获得一监控结果；如果所述监控结果表明所述目标信息发生变化，获取待显示信息；基于所获取的待显示信息，确定目标图像，所述目标图像用于表征所述待显示信息；输出所述目标图像，以使在所述目标区域显示所述目标图像。本发明专利技术还公开了一种服务器。

【技术实现步骤摘要】
一种图像生成方法及服务器
本专利技术涉及图像生成技术，尤其涉及一种图像生成方法及服务器。
技术介绍
现有技术在基于网页中文字生成相应的图标过程中，仅能由设计人员完成，当网页中文字发生变化时，设计人员往往需要重新设计相应的图标以适应发生变化的文字，消耗时间较长，不利于网页中文字与图像的同步更新。
技术实现思路
本专利技术实施例提供一种图像生成方法及服务器，在获取到目标文字时，能够基于所述目标信息，确定目标图像的组成元素；将所确定的目标图像的组成元素进行组合，形成待输出的目标图像，其中，所述目标图像用于表征所述目标文字信息的文本内容本专利技术实施例的技术方案是这样实现的：本专利技术提供了一种图像生成方法，其特征在于，所述方法包括：监控页面目标区域中目标信息是否变化，获得一监控结果；如果所述监控结果表明所述目标信息发生变化，获取待显示信息；基于所获取的待显示信息，确定目标图像，所述目标图像用于表征所述待显示信息；输出所述目标图像，以使在所述目标区域显示所述目标图像。上述方案中，所述方法还包括：当所述待显示信息的数量为至少两个时，根据所述至少两个待显示信息的关联关系，确定显示风格；基于所确定的显示风格，确定与相应待显示信息对应的目标图像。上述方案中，所述基于所获取的待显示信息，确定目标图像，包括：通过与反卷积神经网络模型适配的算法对所述待显示信息的完整文本进行分解，确定所述待显示信息对应的显示风格。上述方案中，所述基于所获取的待显示信息，确定目标图像，包括：通过反卷积神经网络模型对所述待显示信息的完整文本进行处理，确认相应的目标信息；对所确定的目标信息进行图形化处理，形成目标图像。上述方案中，所述通过反卷积神经网络模型对所述待显示信息的完整文本进行处理，确认相应的目标信息，包括：通过所述反卷积神经网络模型中进行语句级别解码的第一解码器模型，对所述目标信息进行分解；通过所述反卷积神经网络模型中进行词级别解码的第二解码器模型，对所述第一解码器模型的处理结果进行解码，确定所述目标信息中的关键词。上述方案中，所述方法还包括：基于所确定的所述目标信息中的关键词，获取目标图像的组成元素。上述方案中，所述对所确定的目标信息进行图形化处理，形成目标图像，包括：通过反卷积神经网络模型的反卷积层和反池化层对与所述目标信息对应的图像的组成元素交叉进行处理，得到所述目标图像的组成元素的降采样结果；通过所述反卷积神经网络模型的反池化层对所述降采样结果进行处理，形成待输出的目标图像。上述方案中，所述方法还包括：基于所述目标区域特征信息，通过反卷积神经网络模型的反卷积层确定所述目标图像的像素，以实现所述待输出目标图像与所述目标区域相适配。上述方案中，所述方法还包括：基于图像样本、以及所述图像样本的分类标签，信息，对基于信息生成目标图像的反卷积神经网络模型进行训练。上述方案中，所述基于图像样本、以及所述图像样本的分类标签，信息，对基于信息生成目标图像的反卷积神经网络模型进行训练，包括：基于所述信息中的语句样本以及对应的解码结果，训练所述反卷积神经网络模型中进行语句级别解码的第一解码器模型。上述方案中，所述方法还包括：基于所述信息中的词样本以及对应的解码结果，训练所述反卷积神经网络模型中进行词级别解码的第二解码器模型。上述方案中，所述方法还包括：根据对基于信息生成目标图像的所述反卷积神经网络模型进行训练的训练结果，更新所述反卷积神经网络模型的适配算法和/或模型参数；基于所更新的反卷积神经网络模型的适配算法和/或模型参数，对所述反卷积神经网络模型进行迭代训练。本专利技术还提供了一种服务器，所述服务器包括：信息获取模块，用于监控页面目标区域中目标信息是否变化，获得一监控结果；所述信息获取模块，用于获取待显示信息；信息处理模块，用于基于所获取的待显示信息，确定目标图像，所述目标图像用于表征所述待显示信息；信息输出模块，用于输出所述目标图像，以使在所述目标区域显示所述目标图像。上述方案中，所述信息处理模块，用于当所述待显示信息的数量为至少两个时，根据所述至少两个待显示信息的关联关系，确定显示风格；所述信息处理模块，用于基于所确定的显示风格，确定与相应待显示信息对应的目标图像。上述方案中，所述信息处理模块，用于通过与反卷积神经网络模型适配的算法对所述待显示信息的完整文本进行分解，确定所述待显示信息对应的显示风格。上述方案中，所述信息处理模块，用于通过反卷积神经网络模型对所述待显示信息的完整文本进行处理，确认相应的目标信息；所述信息处理模块，用于对所确定的目标信息进行图形化处理，形成目标图像。上述方案中，所述信息处理模块，用于通过所述反卷积神经网络模型中进行语句级别解码的第一解码器模型，对所述目标信息进行分解；通过所述反卷积神经网络模型中进行词级别解码的第二解码器模型，对所述第一解码器模型的处理结果进行解码，确定所述目标信息中的关键词。上述方案中，所述信息处理模块，用于基于所确定的所述目标信息中的关键词，获取目标图像的组成元素。上述方案中，所述信息处理模块，用于通过反卷积神经网络模型的反卷积层和反池化层对与所述目标信息对应的图像的组成元素交叉进行处理，得到所述目标图像的组成元素的降采样结果；所述信息处理模块，用于通过所述反卷积神经网络模型的反池化层对所述降采样结果进行处理，形成待输出的目标图像。上述方案中，所述信息处理模块，用于基于所述目标区域特征信息，通过反卷积神经网络模型的反卷积层确定所述目标图像的像素，以实现所述待输出目标图像与所述目标区域相适配。上述方案中，所述服务器还包括：训练模块，用于基于图像样本、以及所述图像样本的分类标签，信息，对基于信息生成目标图像的反卷积神经网络模型进行训练。上述方案中，所述训练模块，用于基于所述信息中的语句样本以及对应的解码结果，训练所述反卷积神经网络模型中进行语句级别解码的第一解码器模型。上述方案中，所述训练模块，用于基于所述信息中的词样本以及对应的解码结果，训练所述反卷积神经网络模型中进行词级别解码的第二解码器模型。上述方案中，所述训练模块，用于根据对基于信息生成目标图像的所述反卷积神经网络模型进行训练的训练结果，更新所述反卷积神经网络模型的适配算法和/或模型参数；所述训练模块，用于基于所更新的反卷积神经网络模型的适配算法和/或模型参数，对所述反卷积神经网络模型进行迭代训练。本专利技术还提供了一种服务器，所述服务器包括：存储器，用于存储可执行指令；处理器，用于运行所述存储器存储的可执行指令时，执行本专利技术所提供的图像生成方法。本专利技术实施例中，通过获取目标信息；基于所述目标信息，确定目标图像的组成元素；将所确定的目标图像的组成元素进行组合，避免了网页中的文字信息发生变化时，需要由设计师手动更新与发生变化的文字信息相对应的图像，实现了图像的生成，以灵活地适应网页中信息的变化。附图说明图1是本专利技术实施例提供的图像生成方法的一个可选的流程示意图；图2是本专利技术实施例提供的服务器的一个可选的结构示意图；图3是本专利技术实施例提供的服务器的一个可选的结构示意图；图4A是本专利技术实施例提供的图像生成方法的一个可选的使用场景示意图；图4B是本专利技术实施例提供的图像生成方法的一个可选的使用场景示意图；图5是本专利技术实施例提供的服务器的一个可选的结构示意图。具本文档来自技高网...

【技术保护点】
1.一种图像生成方法，其特征在于，所述方法包括：监控页面目标区域中目标信息是否变化，获得一监控结果；如果所述监控结果表明所述目标信息发生变化，获取待显示信息；基于所获取的待显示信息，确定目标图像，所述目标图像用于表征所述待显示信息；输出所述目标图像，以使在所述目标区域显示所述目标图像。

【技术特征摘要】
1.一种图像生成方法，其特征在于，所述方法包括：监控页面目标区域中目标信息是否变化，获得一监控结果；如果所述监控结果表明所述目标信息发生变化，获取待显示信息；基于所获取的待显示信息，确定目标图像，所述目标图像用于表征所述待显示信息；输出所述目标图像，以使在所述目标区域显示所述目标图像。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：当所述待显示信息的数量为至少两个时，根据所述至少两个待显示信息的关联关系，确定显示风格；基于所确定的显示风格，确定与相应待显示信息对应的目标图像。3.根据权利要求1所述的方法，其特征在于，所述基于所获取的待显示信息，确定目标图像，包括：通过与反卷积神经网络模型适配的算法对所述待显示信息的完整文本进行分解，确定所述待显示信息对应的显示风格。4.根据权利要求1所述的方法，其特征在于，所述基于所获取的待显示信息，确定目标图像，包括：通过反卷积神经网络模型对所述待显示信息的完整文本进行处理，确认相应的目标信息；对所确定的目标信息进行图形化处理，形成目标图像。5.根据权利要求4所述的方法，其特征在于，所述通过反卷积神经网络模型对所述待显示信息的完整文本进行处理，确认相应的目标信息，包括：通过所述反卷积神经网络模型中进行语句级别解码的第一解码器模型，对所述目标信息进行分解；通过所述反卷积神经网络模型中进行词级别解码的第二解码器模型，对所述第一解...

【专利技术属性】
技术研发人员：郝瑞祥，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京,11