一种手写图像生成方法、模型训练方法、装置及设备制造方法及图纸

本说明书实施例提供一种手写图像生成方法、模型训练方法、装置及设备，可应用于人工智能技术领域。所述方法包括：获取手写样本图像；所述手写样本图像对应有手写文字内容；提取所述手写样本图像的样本手写风格特征；所述样本手写风格特征用于表示所述手写文字内容对应的风格；将手写文字内容和样本手写风格特征输入扩散模型中得到对应于所述手写样本图像的至少两个目标样本图像；所述扩散模型用于根据噪声调整所生成的目标样本图像。上述方法提高了目标手写图像的多样性，在利用目标手写图像对相应模型进行训练时，保证了训练得到的模型对不同风格的手写图像识别时的准确度。对不同风格的手写图像识别时的准确度。对不同风格的手写图像识别时的准确度。

【技术实现步骤摘要】
一种手写图像生成方法、模型训练方法、装置及设备


[0001]本说明书实施例涉及人工智能
，特别涉及一种手写图像生成方法、模型训练方法、装置及设备。

技术介绍

[0002]随着近些年来人工智能技术的发展，基于相应的人工智能模型可以实现越来越多的功能，从而帮助用户对业务进行处理，以改善工作处理效果，提升业务处理效率。具体的，可以借助OCR技术实现对于图像中的文字的识别，从而便于计算机针对图像中的文字进行处理。
[0003]目前在进行文字识别时，不仅需要考虑对于印刷字体的识别，还需要考虑对于包含手写字体的图像的识别。手写字体相较于印刷字体，具有更为复杂的形态、格式，而且由于不同人具有不同的书写风格，使得在对图像中的手写字体进行识别时，需要考虑书写风格对文字的影响，相应的也具有更高的复杂度。
[0004]在对手写文字进行识别时，一般需要先利用训练样本数据对识别模型进行训练，以利用训练后的模型实现手写文字识别。但是，由于手写文字风格的多样性，所获取到训练样本数据往往无法涵盖大部分的手写风格，进而使得训练得到的识别模型针对一般的手写图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手写图像生成方法，其特征在于，包括：获取手写样本图像；所述手写样本图像对应有手写文字内容；提取所述手写样本图像的样本手写风格特征；所述样本手写风格特征用于表示所述手写文字内容对应的风格；将手写文字内容和样本手写风格特征输入扩散模型中得到对应于所述手写样本图像的至少两个目标样本图像；所述扩散模型用于根据噪声调整所生成的目标样本图像；所述目标样本图像之间具有不同的手写风格特征。2.如权利要求1所述的方法，其特征在于，所述扩散模型包括基于unet结构和StyleGan的生成模型。3.如权利要求1所述的方法，其特征在于，所述提取所述手写样本图像的样本手写风格特征，包括：利用风格提取模型提取所述手写样本图像中的样本手写风格特征。4.如权利要求3所述的方法，其特征在于，所述风格提取模型通过以下方式获取：获取至少一个训练样本集；所述训练样本集中包括两个第一用户手写图像和一个第二用户手写图像；所述第一用户手写图像包括由第一用户手写得到的数据；利用预先构建的风格提取模型分别提取所述训练样本集中的手写图像的训练风格特征；依次计算每两个训练风格特征的风格相同概率；所述风格相同概率用于表示两种训练风格特征对应于同一用户的概率；基于所述风格相同概率对所述风格提取模型进行优化。5.如权利要求3所述的方法，其特征在于，所述风格提取模型包括基于ResNet50架构的孪生网络。6.如权利要求1所述的方法，其特征在于，所述将手写文字内容和样本手写风格特征输入扩散模型中得到对应于所述手写样本图像的至少两个目标样本图像之后，还包括：获取真实样本图像；所述真实样本图像中包含有真实手写内容；利用风格提取模型获取所述真实样本图像对应的真实手写风格特征；将所述真实手写风格特征融合至所述目标样本图像中得到优化手写图像。7.如权利要求1所述的方法，其特征在于，将手写文字内容和样本手写风格特征输入扩散模型中得到对应于所述手写样本图像的至少两个目标样本图像，包括：利用至少两个样本手写风格特征构建特征集合；针对所述特征集合进行施密特正交化变化得到正交特征集合；将所述手写文字内容和正交特征集合输入扩散模型中得到对应于所述手写样本图像的至少两个目标样本图像。8.一种手写图像生成装置，其特征在于，包括：手写样本图像获取模块，用于获取手写样本图像；所述手写样本图像对应有手写文字内容；样本手写风格特征提取模块，用于提取所述手写样本图像的样本手写风格特征；所述样本手写风格特征用于表示所述手写文字内容对应的风格；目标样本图像获取模块，用于将手写文字内容和样本手写风格特征输入扩散模型中得
到对应于所述手写样本图像的至少两个目标样本图像；所述扩散模型用于根据噪声调整所生...

【专利技术属性】
技术研发人员：李颢宇，裴洪斌，马超，赵滢，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：