图片的文案生成方法、装置、设备及存储介质制造方法及图纸

本申请提供一种图片的文案生成方法、装置、设备及存储介质，其中，图片的文案生成方法包括步骤：将待生成文案的图片导入深度图片分类模型中，以获取深度图片分类模型输出的待生成文案的图片的风格信息，将待生成文案的图片导入深度空间分类模型中，以获取深度空间分类模型输出的待生成文案的图片的空间分类信息，将待生成文案的图片导入目标检测模型中，以获取目标检测模型输出的待生成文案的图片的类型信息，将空间分类信息、类型信息、风格信息导入关键词生成模型中，以获取关键词生成模型输出的待生成文案的图片对应的文案信息。通过本申请生成的图片对应的文案具有多样性。申请生成的图片对应的文案具有多样性。申请生成的图片对应的文案具有多样性。

【技术实现步骤摘要】
图片的文案生成方法、装置、设备及存储介质


[0001]本申请涉及计算机领域，具体而言，涉及一种图片的文案生成方法、装置、设备及存储介质。

技术介绍

[0002]文案生成领域应用前景广阔，具有巨大的市场需求，例如电商中的商品推荐语、新闻财报等，这可以大大提高效率以及降低一些重复性的工作。
[0003]然而，现有的从图片到文本的自动生成技术主要是基于端到端的Seq2Seq算法模型框架实现，这种方式生成的文案较为单一，而无法生成大量的多样性文本。

技术实现思路

[0004]本申请实施例的目的在于提供一种图片的文案生成方法、装置、设备及存储介质，用以实现基于图片生成的文案具有多样性。
[0005]为此，本申请第一方面提供一种图片的文案生成方法，所述方法包括步骤：
[0006]获取待生成文案的图片；
[0007]将所述待生成文案的图片导入深度图片分类模型中，以获取所述深度图片分类模型输出的所述待生成文案的图片的风格信息，所述待生成文案的图片的风格信息表征所述待生成文案的图片中记载的物体的装饰风格；
[0008]将所述待生成文案的图片导入深度空间分类模型中，以获取所述深度空间分类模型输出的所述待生成文案的图片的空间分类信息，所述待生成文案的图片的空间分类信息表征所述待生成文案的图片中记载物体的放置空间类型；
[0009]将所述待生成文案的图片导入目标检测模型中，以获取所述目标检测模型输出的所述待生成文案的图片的类型信息，所述待生成文案的图片的类型信息表征所述待生成文案的图片中记载物体的家居类型；
[0010]将所述空间分类信息、所述类型信息、所述风格信息导入关键词生成模型中，以获取所述关键词生成模型输出的所述待生成文案的图片对应的文案信息。
[0011]在本申请第一方面中，通过分别将待生成文案的图片导入训练好的目标检测模型、深度图片分类模型、深度空间分类模型中，可得到待生成文案的图片对应的空间分类信息、类型信息、风格信息，这样一来就能够得到待生成文案的图片的更多信息，进而能够基于待生成文案的图片的更多信息生成更加多样的文案，且可提高所生成文案的可读性、通顺性、相关性。
[0012]在本申请第一方面中，作为一种可选的实施方式，在所述将所述待生成文案的图片导入深度图片分类模型中之前，所述方法还包括：
[0013]根据第一预设训练样本训练ResNet神经网络，并得到所述深度图片分类模型。
[0014]在本可选的实施方式中，通过第一预设训练样本可训练ResNet神经网络，进而能够得到深度图片分类模型。
[0015]在本申请第一方面中，作为一种可选的实施方式，所述待生成文案的图片中记载的物体的装饰风格至少是美式、中式、欧式、日式、工业、轻奢、混搭、地中海、现代、古典、田园、东南亚中的一种风格。
[0016]本可选的实施方式中能够识别多种待生成文案的图片中记载的物体的装饰风格。
[0017]在本申请第一方面中，作为一种可选的实施方式，在所述将所述待生成文案的图片导入目标检测模型中之前，所述方法还包括：
[0018]根据第二预设训练样本训练YOLO神经网络模型，并得到所述目标检测模型。
[0019]在本可选的实施方式中，通过第二预设训练样本可训练YOLO神经网络模型，进而能够得到目标检测模型。
[0020]在本申请第一方面中，作为一种可选的实施方式，所述待生成文案的图片中记载物体的家居类型至少是床、柜、沙发、瓷砖、椅子中的一种。
[0021]本可选的实施方式中能够识别多种不同家居类型的图片，这样一来，能够针对不同家居类型的图片生成多样的文案。
[0022]在本申请第一方面中，作为一种可选的实施方式，在所述将所述待生成文案的图片导入深度空间分类模型中之前，所述方法还包括：
[0023]根据第三预设训练样本训练ResNet神经网络，并得到所述深度空间分类模型。
[0024]在本可选的实施方式中，通过第三预设训练样本能够训练ResNet神经网络，进而能够得到深度空间分类模型。
[0025]在本申请第一方面中，作为一种可选的实施方式，所述待生成文案的图片中记载物体的放置空间类型至少是阳台、卫生间、卧室、儿童房、玄关、厨房、客厅、餐厅、书房、衣帽间中的一种。
[0026]本可选的实施方式能够识别多种不同放置空间类型的图片，这样一来，能够针对不放置空间类型的图片生成多样的文案。
[0027]本申请第二方面提供一种图片的文案生成装置，所述装置包括：
[0028]第一获取模块，用于获取待生成文案的图片；
[0029]第二获取模块，用于将所述待生成文案的图片导入深度图片分类模型中，以获取所述深度图片分类模型输出的所述待生成文案的图片的风格信息，所述待生成文案的图片的风格信息表征所述待生成文案的图片中记载的物体的装饰风格；
[0030]第三获取模块，用于将所述待生成文案的图片导入深度空间分类模型中，以获取所述深度空间分类模型输出的所述待生成文案的图片的空间分类信息，所述待生成文案的图片的空间分类信息表征所述待生成文案的图片中记载物体的放置空间类型；
[0031]第四获取模块，用于将所述待生成文案的图片导入目标检测模型中，以获取所述目标检测模型输出的所述待生成文案的图片的类型信息，所述待生成文案的图片的类型信息表征所述待生成文案的图片中记载物体的家居类型；
[0032]第五获取模块，用于将所述空间分类信息、所述类型信息、所述风格信息导入关键词生成模型中，以获取所述关键词生成模型输出的所述待生成文案的图片对应的文案信息。
[0033]本申请第二方面的装置，能够通过分别将待生成文案的图片导入训练好的目标检测模型、深度图片分类模型、深度空间分类模型中，进而得到待生成文案的图片对应的空间
分类信息、类型信息、风格信息，这样一来就能够得到待生成文案的图片的更多信息，进而能够基于待生成文案的图片的更多信息生成更加多样的文案，且可提高所生成文案的可读性、通顺性、相关性。
[0034]本申请第三方面提供一种图片的文案生成设备，所述设备包括：
[0035]处理器；以及
[0036]存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器执行如本申请第一方面图片的文案生成方法。
[0037]本申请第三方面的设备，能够通过分别将待生成文案的图片导入训练好的目标检测模型、深度图片分类模型、深度空间分类模型中，进而得到待生成文案的图片对应的空间分类信息、类型信息、风格信息，这样一来就能够得到待生成文案的图片的更多信息，进而能够基于待生成文案的图片的更多信息生成更加多样的文案，且可提高所生成文案的可读性、通顺性、相关性。
[0038]本申请第四方面提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行本申请第一方面的图片的文案生成方法。
[0039]本申请第四方面的存储介质，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片的文案生成方法，其特征在于，所述方法包括：获取待生成文案的图片；将所述待生成文案的图片导入深度图片分类模型中，以获取所述深度图片分类模型输出的所述待生成文案的图片的风格信息，所述待生成文案的图片的风格信息表征所述待生成文案的图片中记载的物体的装饰风格；将所述待生成文案的图片导入深度空间分类模型中，以获取所述深度空间分类模型输出的所述待生成文案的图片的空间分类信息，所述待生成文案的图片的空间分类信息表征所述待生成文案的图片中记载物体的放置空间类型；将所述待生成文案的图片导入目标检测模型中，以获取所述目标检测模型输出的所述待生成文案的图片的类型信息，所述待生成文案的图片的类型信息表征所述待生成文案的图片中记载物体的家居类型；将所述空间分类信息、所述类型信息、所述风格信息导入关键词生成模型中，以获取所述关键词生成模型输出的所述待生成文案的图片对应的文案信息。2.如权利要求1所述的图片的文案生成方法，其特征在于，在所述将所述待生成文案的图片导入深度图片分类模型中之前，所述方法还包括：根据第一预设训练样本训练ResNet神经网络，并得到所述深度图片分类模型。3.如权利要求2所述的图片的文案生成方法，其特征在于，所述待生成文案的图片中记载的物体的装饰风格至少是美式、中式、欧式、日式、工业、轻奢、混搭、地中海、现代、古典、田园、东南亚中的一种风格。4.如权利要求1所述的图片的文案生成方法，其特征在于，在所述将所述待生成文案的图片导入目标检测模型中之前，所述方法还包括：根据第二预设训练样本训练YOLO神经网络模型，并得到所述目标检测模型。5.如权利要求4所述的图片的文案生成方法，其特征在于，所述待生成文案的图片中记载物体的家居类型至少是床、柜、沙发、瓷砖、椅子中的一种。6.如权利要求1所述的图片的文案生成方法，其特征在于，在...

【专利技术属性】
技术研发人员：林上钧，陈雄，雷瑞生，王志娜，
申请(专利权)人：广东三维家信息科技有限公司，
类型：发明
国别省市：