平面设计物料生成的方法和装置制造方法及图纸

本发明专利技术公开了平面设计物料生成的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：提取原始图像的图像特征向量；将图像特征向量输入训练好的前景检测模型，获取原始图像的前景图像；前景检测模型是基于区域推荐网络RPN训练得到的；提取原始图像的文本特征向量；将文本特征向量输入训练好的文本检测模型，获取原始图像的文本图像；文本检测模型是基于双向长短期记忆神经网络BLSTM训练得到的；将前景图像和文本图像与模板图像融合，得到平面设计物料。该实施方式能够实现自动抠图，省时省力；抠图精度高，速度快，能够实现实时响应；仅需提供原始图像即可自动生成具有美观性和可用性的平面设计物料，任何人均可使用，无局限性。

Method and device of material generation in graphic design

【技术实现步骤摘要】
平面设计物料生成的方法和装置
本专利技术涉及计算机
，尤其涉及一种平面设计物料生成的方法和装置。
技术介绍
现有的平面设计方式大多是需要人工先对设计素材进行抠图、使用专业设计软件进行排版布局、样式设计等方式。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：1、人工抠图费时费力；2、必须是有设计经验的人才可设计出具有可用性和美观性的平面设计物料，有局限性。
技术实现思路
有鉴于此，本专利技术实施例提供一种平面设计物料生成的方法和装置，能够实现自动抠图，省时省力；抠图精度高，速度快，能够实现实时响应；仅需提供原始图像即可自动生成具有美观性和可用性的平面设计物料，任何人均可使用，无局限性。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种平面设计物料生成的方法。根据本专利技术实施例的平面设计物料生成的方法包括：提取原始图像的图像特征向量；将图像特征向量输入训练好的前景检测模型，获取原始图像的前景图像；前景检测模型是基于区域推荐网络RPN训练得到的；提取原始图像本文档来自技高网...

【技术保护点】
1.一种平面设计物料生成的方法，其特征在于，包括：/n提取原始图像的图像特征向量；将所述图像特征向量输入训练好的前景检测模型，获取原始图像的前景图像；所述前景检测模型是基于区域推荐网络RPN训练得到的；/n提取原始图像的文本特征向量；将所述文本特征向量输入训练好的文本检测模型，获取原始图像的文本图像；所述文本检测模型是基于双向长短期记忆神经网络BLSTM训练得到的；/n将所述前景图像和所述文本图像与模板图像融合，得到平面设计物料。/n

【技术特征摘要】
1.一种平面设计物料生成的方法，其特征在于，包括：
提取原始图像的图像特征向量；将所述图像特征向量输入训练好的前景检测模型，获取原始图像的前景图像；所述前景检测模型是基于区域推荐网络RPN训练得到的；
提取原始图像的文本特征向量；将所述文本特征向量输入训练好的文本检测模型，获取原始图像的文本图像；所述文本检测模型是基于双向长短期记忆神经网络BLSTM训练得到的；
将所述前景图像和所述文本图像与模板图像融合，得到平面设计物料。


2.如权利要求1所述的方法，其特征在于，提取原始图像的图像特征向量包括：将原始图像输入训练好的前景特征提取器，得到原始图像的图像特征向量；其中，所述前景调整提取器是基于卷积神经网络CNN训练得到的，包括卷积层和全连通层，所述卷积层采用深度可分离卷积结构。


3.如权利要求2所述的方法，其特征在于，所述卷积层的数量为20层。


4.如权利要求1所述的方法，其特征在于，按照如下方法训练得到所述前景检测模型：
以横幅广告和/或海报图片作为样本，对所有样本进行聚类，确定各个样本的分类标签和所述训练样本中前景图像的包围边框；
以分类后的样本作为分类样本，根据每个训练样本的分类标签和所述训练样本中前景图像的包围边框，基于区域推荐网络RPN进行模型训练，得到训练好的所述前景检测模型。


5.如权利要求1所述的方法，其特征在于，提取原始图像的文本特征向量包括：将原始图像输入训练好的文本特征提取器，得到原始图像的文本特征向量；其中，所述文本特征提取器是采用卷积神经网络训练得到的，具有19层卷积层。


6.一种平面设计物料生成的装置，其特征在于，包括：
前景提取模块，提取原始图像的图像特征向量；将所述图像特征向量输入训练好的前景检测模型，获取原始图像的前景图像；所述前景检测模型是基于区域推荐网络RPN训练得到的；
文本...

【专利技术属性】
技术研发人员：刘芬，张尧，
申请(专利权)人：北京京东金融科技控股有限公司，
类型：发明
国别省市：北京;11