基于机器学习的智能海报生成方法、装置及存储介质制造方法及图纸

本申请公开了一种基于机器学习的智能海报生成方法、装置及存储介质，其中方法包括如下步骤：获取用户选定的原料图片；将所述原料图片输入至一个图片分类模型以使所述图片分类模型输出所述原料图片的图片类型；将所述原料图片及其图片类型输入至一个海报分析模型以使所述海报分析模型输出一个预设海报模板；获取用户的操作指令以将所述原料图片对应至所述预设海报模板的预设位置处；将促销数据或价格数据匹配至所述预设海报模板中所述原料图片的周边位置。本申请的有益之处在于提供了一种根据用户选定的原料图片即能自动选定模板并快捷生成原料图片组合而成的基于机器学习的智能海报生成方法。习的智能海报生成方法。习的智能海报生成方法。

【技术实现步骤摘要】
基于机器学习的智能海报生成方法、装置及存储介质


[0001]本申请涉及电商平台数据管理领域，具体而言，涉及一种基于机器学习的智能海报生成方法、装置及存储介质。

技术介绍

[0002]电商平台通过互联网为买家提供商品选购等服务，由于移动互联网技术的发展，电商平台的交易规模和交易频率均出现了大幅的增长。区别于传统线下销售，线上电商平台销售往往需要进行线上获客引流的工作。比如，电商平台的工作人员需要在社交平台通过海报等方式进行促销信息的发布，以促进买家在电商平台的购物意愿。
[0003]现有的电商平台促销活动的海报一般包括两种，一种是固定促销日期，比如618、双十一以及法定节假日，由电商平台的美工人员统一制作，然后发送到各个电商平台的销售人员，再由销售人员在社交平台上进行投放，另外一种是由电商平台的销售人员根据市场情况发起，由电商平台的美工人员制作或由销售人员制作，但是无论由美工人员制作还是由销售人员进行制作，均面临着海报制作时间过长，价格数据滞后以及海报出图较慢的问题。

技术实现思路

[0004]为了解决现有技术的不足之处，本申请提供了一种基于机器学习的智能海报生成方法，包括如下步骤：获取用户选定的原料图片；将所述原料图片输入至一个图片分类模型以使所述图片分类模型输出所述原料图片的图片类型；将所述原料图片及其图片类型输入至一个海报分析模型以使所述海报分析模型输出一个预设海报模板；获取用户的操作指令以将所述原料图片对应至所述预设海报模板的预设位置处；将促销数据或价格数据匹配至所述预设海报模板中所述原料图片的周边位置。
[0005]进一步地，所述图片分类模型输出的图片类型包括：商品、背景、插画、标语。
[0006]进一步地，所述图片分类模型为一个CNN神经网络模型。
[0007]进一步地，所述基于机器学习的智能海报生成方法还包括如下步骤：根据历史海报的素材数据获取历史海报中的商品、背景、插画和标语分别的图片数据。
[0008]进一步地，所述基于机器学习的智能海报生成方法还包括如下步骤：将所述商品、背景、插画和标语的图片数据作为输入数据，以图片类型为输出数据训练所述图片分类模型。
[0009]进一步地，所述基于机器学习的智能海报生成方法还包括如下步骤：将所述商品、背景、插画和标语的图片数据以及图片类型作为输入数据，以历史海报作为输出数据训练所述海报分析模型。
[0010]进一步地，所述基于机器学习的智能海报生成方法还包括如下步骤：根据历史海报的素材数据获取历史海报中的商品、背景、插画和标语图片的图片坐标；根据所述历史海报中的图片的所述图片坐标生成标示图片填充位置的矩形图框。
[0011]进一步地，所述基于机器学习的智能海报生成方法还包括如下步骤：根据所述图片坐标调整所述原料图片的大小。
[0012]作为本申请的另一方面，本申请还提供一种基于机器学习的智能海报生成装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如前所述的基于机器学习的智能海报生成方法。
[0013]作为本申请的另一方面，本申请还提供一种计算机客户存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的基于机器学习的智能海报生成装置。
[0014]本申请的有益之处在于：提供了一种根据用户选定的原料图片即能自动选定模板并快捷生成原料图片组合而成的基于机器学习的智能海报生成方法。
附图说明
[0015]构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请一种实施例的适用于电商平台的智能海报生成方法的步骤示意图；图2是根据本申请一种实施例的购买意愿预测模型的原理示意图；图3是根据本申请一种实施例的订单特征数据的矩阵示意图；图4是图1所示的方法中用户选定的海报模板的示意图；图5是根据图1所示的方法生成的一个海报的示意图；图6是根据本申请一种实施例的基于机器学习的智能海报生成方法的步骤示意图；图7是根据本申请一种实施例的图片分类模型的原理示意图；图8是根据本申请一种实施例的海报分析模型的原理示意图；图9是图6所示的方法中一个历史海报的示意图；图10是图6所示的方法中插图类型的原料图片；图11是图6所示的方法中标语类型的原料图像；图12是根据图6所示的方法生成的一个海报的示意图；图13是根据本申请一种实施例的执行方法的装置模块组成示意图。
具体实施方式
[0016]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0017]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0018]为了方便介绍本申请的技术方案，以下先对本申请的方法所适用的电商平台和应用场景进行介绍。
[0019]本申请所适用的电商平台主要面向的买方为24小时便利店、小型超市等店铺，在店铺从电商平台采购商品后，电商平台将店铺通过电商平台采购的订单通过“拼单”的方式组合后匹配至对应的供应商和物流承运方，从而实现以更优惠的价格和更快捷配送完成店铺的采购。相较于面向个人买家，面向店铺电商平台存在采购频率低但采购量较大的特点，虽然以上所介绍的电商平台通过互联网技术降低了单次采购量，使采购更灵活。但是，由于店铺采购固有的特点，由于单次采购量较大，店铺对商品促销较为敏感，因此，电商平台的销售人员会根据实际情况向店铺发送促销海报等促销信息以提高销量或消除库存。本申请的智能海报生成方法的应用场景为帮助电商平台的销售人员通过简单操作即可从系统获取所需的宣传海报。
[0020]参照图1所示，本申请的适用于电商平台的智能海报生成方法包括如下步骤：S101：获取用户选定的店铺范围。
[0021]S102：根据店铺范围内的店铺的历史订单数据生成促销商品列表。
[0022]S103：根据促销商品列表获取对应的商品图片和商品促销价格数据。
[0023]S103：获取用户选定的海报模板。
[0024]S104：根据促销商品列表的排序将商品图片和商品促销价格数据填充至海报模板的指定位置。
[0025]作为具体方案，本申请的适用于电商平台的智能海报生成方法主要针对的用户为电商平台的销售人员。即本申请所指的“用户”均指电商平台的销售人员。
[0026]一般而言，电商平台的销售人员负责固定的客户群体，系统记录了对应的客户和销售人员的对应关系，即店铺和用户的对应关系。所以作为优选方案，获取用户选定的店铺范围可以由系统根据店铺和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的智能海报生成方法，其特征在于：所述基于机器学习的智能海报生成方法包括如下步骤：获取用户选定的原料图片；将所述原料图片输入至一个图片分类模型以使所述图片分类模型输出所述原料图片的图片类型；将所述原料图片及其图片类型输入至一个海报分析模型以使所述海报分析模型输出一个预设海报模板；获取用户的操作指令以将所述原料图片对应至所述预设海报模板的预设位置处；将促销数据或价格数据匹配至所述预设海报模板中所述原料图片的周边位置。2.根据权利要求1所述的基于机器学习的智能海报生成方法，其特征在于：所述图片分类模型输出的图片类型包括：商品、背景、插画、标语。3.根据权利要求2所述的基于机器学习的智能海报生成方法，其特征在于：所述图片分类模型为一个CNN神经网络模型。4.根据权利要求3所述的基于机器学习的智能海报生成方法，其特征在于：所述基于机器学习的智能海报生成方法还包括如下步骤：根据历史海报的素材数据获取历史海报中的商品、背景、插画和标语分别的图片数据。5.根据权利要求4所述的基于机器学习的智能海报生成方法，其特征在于：所述基于机器学习的智能海报生成方法还包括如下步骤：将所述商品、背景、插画和标语的图片数据作为输入数据，以图片类型为输出数据训练所述图...

【专利技术属性】
技术研发人员：李昭，张朋信，
申请(专利权)人：杭州拼便宜网络科技有限公司，
类型：发明
国别省市：