图形转换方法及装置、电子设备、存储介质制造方法及图纸

本发明专利技术提供了一种图形转换方法及装置、电子设备、存储介质，涉及人工智能技术领域。该图形转换方法包括：获取输入的线条图形，并将线条图形输入到预先训练好的线条图形编码器生成线条图形矩阵；基于预设的掩模编码器，从线条图形矩阵中提取与线条图形对应的掩模矩阵；将掩模矩阵与线条图形矩阵以及预设的随机变量矩阵分别进行转换处理，生成第一中间变量矩阵；通过预先训练好的线条图形解码器对第一中间变量矩阵进行解码处理生成线条图形对应的真实图形。本发明专利技术实施例的技术方案能够将无背景的线条图形转化生成有背景的真实图形。

【技术实现步骤摘要】
图形转换方法及装置、电子设备、存储介质
本专利技术涉及人工智能
，具体而言，涉及一种图形转换方法、图形转换装置、电子设备以及计算机可读存储介质。
技术介绍
随着科学技术的发展，生成式对抗网络(GenerativeAdversarialNetworks，GAN)成为无监督学习中人们认为最具有前景的方法。生成式对抗网络是一种深度学习模型，模型通过框架中(至少)两个模块：生成模型(GenerativeModel)和判别模型(DiscriminativeModel)的互相博弈学习产生较好的输出。目前，一种技术方案中，将无背景的线条图形(例如简笔画)输入到训练好的生成网络中，仅能生成对应的无背景的真实图片。一方面，生成网络仅能将无背景的线条图形转化成无背景的真实图片，适应范围较低；另一方面，生成的无背景的真实图片由于没有图像背景衬托，降低了其最终成像效果(识别率较低)，生成的图片效果较差，降低了用户的使用体验。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息本文档来自技高网...

【技术保护点】
1.一种图形转换方法，其特征在于，包括：/n获取输入的线条图形，并将所述线条图形输入到预先训练好的线条图形编码器生成线条图形矩阵；/n基于预设的掩模编码器，从所述线条图形矩阵中提取与所述线条图形对应的掩模矩阵；/n将所述掩模矩阵与所述线条图形矩阵以及预设的随机变量矩阵分别进行转换处理，生成第一中间变量矩阵；/n通过预先训练好的线条图形解码器对所述第一中间变量矩阵进行解码处理生成所述线条图形对应的真实图形。/n

【技术特征摘要】
1.一种图形转换方法，其特征在于，包括：
获取输入的线条图形，并将所述线条图形输入到预先训练好的线条图形编码器生成线条图形矩阵；
基于预设的掩模编码器，从所述线条图形矩阵中提取与所述线条图形对应的掩模矩阵；
将所述掩模矩阵与所述线条图形矩阵以及预设的随机变量矩阵分别进行转换处理，生成第一中间变量矩阵；
通过预先训练好的线条图形解码器对所述第一中间变量矩阵进行解码处理生成所述线条图形对应的真实图形。


2.根据权利要求1所述的方法，其特征在于，将所述掩模矩阵与所述线条图形矩阵以及预设的随机变量矩阵分别进行转换处理，生成第一中间变量矩阵包括：
将所述掩模矩阵与所述线条图形矩阵进行点乘运算处理，确定所述线条图形对应的前景变量矩阵；
计算所述掩模矩阵的互补矩阵，并将所述互补矩阵与所述随机变量矩阵进行点乘运算以确定所述线条图形对应的背景变量矩阵；
对所述前景变量矩阵与所述背景变量矩阵进行相加运算生成所述线条图形对应的第一中间变量矩阵。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取输入的真实图形，并将所述真实图形输入到预先训练好的真实图形编码器生成真实图形矩阵；
基于预设的掩模编码器，从所述真实图形矩阵中提取与所述线条图形对应的掩模矩阵；
将所述掩模矩阵与所述真实图形矩阵进行转换处理，生成第二中间变量矩阵；
通过预先训练好的真实图形解码器对所述第二中间变量矩阵进行解码处理生成所述真实图形对应的线条图形。


4.根据权利要求3所述的方法，其特征在于，将所述掩模矩阵与所述真实图形矩阵进行转换处理，生成第二中间变量矩阵包括；
将所述掩模矩阵与所述真实图形矩阵进行点乘运算处理，确定所述真实图形对应的前景变量矩阵；
计算所述掩模矩阵的互补矩阵，并将所述互补矩阵与所述真实图形矩阵进行点乘运算以确定所述真实图形对应的背景变量矩阵；
对所述前景变量矩阵与所述背景变量矩阵进行相加运算生成所述真实图形对应的第二中间变量矩阵。


5.根据权利要求1或2中任意一项所述的方法，其特征在于，所述通过预先训练好的线条图形解码器对所述第一中间变量矩阵进行解码处理生成所述线条图形...

【专利技术属性】
技术研发人员：李艺，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11