【技术实现步骤摘要】
字体生成模型训练方法、字库建立方法、装置及设备
[0001]本公开涉及人工智能
，具体涉及计算机视觉和深度学习
，可应用于OCR(Optical Character Recognition，光学字符识别)等场景。
技术介绍
[0002]字体生成一直是国内外许多研究者着重研究的课题，在字体设计行业有着广泛的应用价值。因此，如何满足风格多样性的字体生成需求，成为字体生成领域重点关注的问题。
技术实现思路
[0003]本公开实施例提供了一种字体生成模型训练方法、字库建立方法、装置及设备，能够提高字体生成模型学习字体特征的能力，进而提高字体生成模型生成字体级别字体的能力。
[0004]第一方面，本公开实施例提供了一种字体生成模型训练方法，包括：
[0005]将源域样本字输入到字体生成模型，得到第一目标域生成字；
[0006]将所述第一目标域生成字和预设的目标域样本字输入到字符分类模型，得到所述字体生成模型的第一特征损失；
[0007]将所述第一目标域生成字和所述目标域样本字...
【技术保护点】
【技术特征摘要】
1.一种字体生成模型训练方法，包括：将源域样本字输入到字体生成模型，得到第一目标域生成字；将所述第一目标域生成字和预设的目标域样本字输入到字符分类模型，得到所述字体生成模型的第一特征损失；将所述第一目标域生成字和所述目标域样本字输入到字体分类模型，得到所述字体生成模型的第二特征损失；根据所述第一特征损失和/或所述第二特征损失确定目标特征损失；根据所述目标特征损失更新所述字体生成模型的模型参数。2.根据权利要求1所述的方法，其中，所述字符分类模型包括多个特征层；所述将所述第一目标域生成字和预设的目标域样本字输入到字符分类模型，得到所述字体生成模型的第一特征损失，包括：将所述第一目标域生成字输入到所述字符分类模型，得到所述字符分类模型的每个特征层输出的第一生成字特征图；将所述目标域样本字输入到所述字符分类模型，得到所述字符分类模型的每个特征层输出的第一样本字特征图；计算目标特征层的第一生成字特征图和第一样本字特征图之间的差异，得到所述第一特征损失。3.根据权利要求2所述的方法，其中，所述计算目标特征层的第一生成字特征图和第一样本字特征图之间的差异，包括：计算所述目标特征层的第一生成字特征图和第一样本字特征图之间的像素差异，得到所述目标特征层的第一像素损失；根据所述目标特征层的第一像素损失计算所述第一特征损失。4.根据权利要求3所述的方法，其中，所述计算所述目标特征层的第一生成字特征图和第一样本字特征图之间的像素差异，包括：计算所述第一生成字特征图中的每个位置的像素点的像素值与所述第一样本字特征图中对应位置的像素点的像素值之间的差值的绝对值，得到每个位置的像素点的差异；根据多个位置的像素点的差异，确定所述第一生成字特征图和第一样本字特征图之间的像素差异。5.根据权利要求1所述的方法，其中，所述字体分类模型包括多个特征层；所述将所述第一目标域生成字和所述目标域样本字输入到字体分类模型，得到所述字体生成模型的第二特征损失，包括：将所述第一目标域生成字输入到所述字体分类模型，得到所述字体分类模型的每个特征层输出的第二生成字特征图；将所述目标域样本字输入到所述字体分类模型，得到所述字体分类模型的每个特征层输出的第二样本字特征图；计算目标特征层的第二生成字特征图和第二样本字特征图之间的差异，得到所述第二特征损失。6.根据权利要求5所述的方法，其中，所述计算目标特征层的第二生成字特征图和第二样本字特征图之间的差异，包括：
计算所述目标特征层的第二生成字特征图和第二样本字特征图之间的像素差异，得到所述目标特征层的第二像素损失；根据所述目标特征层的第二像素损失计算所述第二特征损失。7.根据权利要求6所述的方法，其中，所述计算所述目标特征层的第二生成字特征图和第二样本字特征图之间的像素差异，包括：计算所述第二生成字特征图中的每个位置的像素点的像素值与所述第二样本字特征图中对应位置的像素点的像素值之间的差值的绝对值，得到每个位置的像素点的差异；根据多个位置的像素点的差异，确定所述第二生成字特征图和第二样本字特征图之间的像素差异。8.根据权利要求1所述的方法，其中，所述字体生成模型为循环网络生成模型，包括第一生成模型和第二生成模型；所述将源域样本字输入到字体生成模型，得到第一目标域生成字，包括：将所述源域样本字输入到所述第一生成模型，得到所述第一目标域生成字和第一源域生成字；所述方法还包括：将所述目标域样本字输入到所述第二生成模型，得到第二目标域生成字和第二源域生成字；根据所述源域样本字、所述第一目标域生成字、所述第一源域生成字、所述目标域样本字、所述第二目标域生成字和所述第二源域生成字，计算所述字体生成模型的生成损失；根据所述生成损失更新所述第一生成模型的模型参数。9.根据权利要求8所述的方法，还包括：将所述第一目标域生成字输入到所述字符分类模型，计算所述字体生成模型的字符损失；所述根据所述目标特征损失更新所述字体生成模型的模型参数，包括：根据所述字符损失和所述目标特征损失更新所述第一生成模型的模型参数。10.根据权利要求9所述的方法，其中，所述将所述第一目标域生成字输入到所述字符分类模型，计算所述字体生成模型的字符损失，包括：将所述第一目标域生成字输入到所述字符分类模型，得到所述第一目标域生成字的生成字符向量；根据所述生成字符向量与预设的标准字符向量之间的差异，计算所述字符损失。11.根据权利要求1
‑
10任一所述的方法，其中，所述源域样本字为具有目标源域字体风格的图像，所述目标域样本字为具有目标域字体风格的图像。12.一种字库建立方法，包括：将目标源域输入字输入到字体生成模型，得到目标域新字；基于所述目标域新字建立字库；其中，所述字体生成模型通过权利要求1至10中任一项所述的字体生成模型训练方法训练得到。13.一种字体生成模型训练装置，包括：第一目标域生成字获取模块，用于将源域样本字输入到字体生成模型，得到第一目标
域生成字；第一特征损失获取模块，用于将所述第一目标域生成字和预设的目标域样本字输入到字符分类模型，得到所述字体生成模型的第一特征损失；第二特征损失获取模块，用于将所述第一目标域生成字和所述目标域样本字...
【专利技术属性】
技术研发人员：刘家铭，唐礼承，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。