公开了一种用于生成证件图像的方法，包括：从证件特征因子库获取多个证件特征因子，所述证件特征因子是从多个真实证件图像提取的；将所述多个证件特征因子组合以便生成多个证件模板；用新证件特征因子替换所述多个证件模板中的对应证件特征因子以生成多个证件样本；以及采用机器学习算法来对每个证件样本执行质量风格迁移以生成一个或多个证件图像。本申请还涉及用于生成证件图像的系统、装置和介质。本申请的方案能够生成各种质量风格的大量逼真证件图像。逼真证件图像。逼真证件图像。
【技术实现步骤摘要】
用于生成证件图像的方法、系统、装置和介质
[0001]本说明书的一个或多个实施例涉及用于生成证件图像的方法、系统、装置和计算机可读存储介质。
技术介绍
[0002]在许多应用中，需要大量的身份证件的图像(例如身份证、护照、驾驶证等的照片)。为了使应用能够国际化，可能需要大量的不同国家的身份证件的图像。
[0003]现有的用于生成证件图像的方法通常是通过以下方式进行的：选择真实证件图像；用另一用户(真实用户或虚拟用户)的文字(例如姓名、身份号码)和图片(例如用户照片、二维码)来替换原图像中的相应部分。
[0004]然而，这样制作的证件图像可能不够逼真，而且彼此在质量和风格上都雷同。
[0005]因此，需要能够生成特征更丰富、质量风格更逼真的证件图像的方案。
技术实现思路
[0006]为了克服现有技术的缺陷，本说明书的一个或多个实施例通过采用二分类模型来生成具有逼真布局的证件模板并使用风格迁移来生成各种逼真的质量风格来允许使用大量证件特征因子生成大量各种风格的逼真证件。
[0007]本说明书的一个或多个实施例通过以下技术方案来实现其上述目的。
[0008]在一个方面中，提供了一种用于生成证件图像的方法，包括：从证件特征因子库获取多个证件特征因子，所述证件特征因子是从多个真实证件图像提取的；将所述多个证件特征因子组合以便生成多个证件模板；用新证件特征因子替换所述多个证件模板中的对应证件特征因子以生成多个证件样本；以及采用机器学习算法来对每个证件样本执行质量风格迁移以生成一个或多个证件图像。
[0009]优选地，其中生成所述证件模板包括：使用二分类模型来筛选证件模板以提升所生成的证件模板的布局的真实性。
[0010]优选地，其中生成所述证件模板包括：随机组合所述多个证件特征因子以生成候选证件模板；使用所述二分类模型确定所述候选证件模板为真的置信度；将所述置信度与置信度阈值进行比较；以及选择所述置信度大于所述置信度阈值的候选证件模板作为所生成的证件模板。
[0011]优选地，其中所述二分类模型是使用训练样本集来训练的，其中所述训练样本集包括正样本和负样本，所述正样本为真实证件图像，所述负样本为通过证件特征因子的随机布局组成的证件图像。
[0012]优选地，其中所述训练样本集中的训练样本的质量风格是随机的。
[0013]优选地，其中基于所述证件模板生成多个证件样本包括：用新证件特征因子替换所述证件模板中的对应证件特征因子。
[0014]优选地，其中所述机器学习模型为生成对抗网络。
[0015]优选地，其中所述证件特征因子库包括多个子库，每个子库包括相同或相似类别的证件特征因子。
[0016]在另一方面，提供了一种用于生成证件图像的系统，包括：证件特征因子获取模块，用于从证件特征因子库获取多个证件特征因子，所述证件特征因子是从多个真实证件图像提取的；证件模板生成模块，用于将所述多个证件特征因子组合以便生成多个证件模板；证件样本生成模块，用于用新证件特征因子替换所述多个证件模板中的对应证件特征因子以生成多个证件样本；以及质量风格迁移模块，用于采用机器学习算法来对每个证件样本执行质量风格迁移以生成一个或多个证件图像。
[0017]优选地，其中所述证件模板生成模块用于使用二分类模型来筛选证件模板以提升所生成的证件模板的布局的真实性。
[0018]优选地，其中所述证件模板生成模块用于：随机组合所述多个证件特征因子以生成候选证件模板；使用所述二分类模型确定所述候选证件模板的布局的置信度；将所述置信度与置信度阈值进行比较；以及选择所述置信度大于所述置信度阈值的候选证件模板作为所生成的证件模板。
[0019]优选地，其中所述二分类模型是使用训练样本集来训练的，其中所述训练样本集包括正样本和负样本，所述正样本为真实证件图像，所述负样本为通过证件特征因子的随机布局组成的证件图像。
[0020]优选地，其中所述训练样本集中的训练样本的质量风格是随机的。
[0021]优选地，其中所述证件样本生成模块用于：用新证件特征因子替换所述证件模板中的对应证件特征因子。
[0022]优选地，其中所述机器学习模型为生成对抗网络。
[0023]优选地，其中所述证件特征因子库包括多个子库，每个子库包括相同或相似类别的证件特征因子。
[0024]在又一方面中，提供了一种用于确定文章对产品或服务的影响的装置，包括：存储器；以及处理器，所述处理器被配置成执行如上文任一项所述的方法。
[0025]在又一方面中，提供了一种存储指令的计算机可读存储介质，该指令当被计算机执行时，使所述计算机执行上述方法。
[0026]与现有技术相比，本说明书的一个或多个实施例能够实现以下技术效果中的一者或多者：
[0027]能够自动生成大量证件，提高证件生成效率；
[0028]生成的证件包括多种证件特征因子的组合；
[0029]生成的证件的布局逼真；
[0030]生成的证件可涵盖各种质量风格。
附图说明
[0031]以上
技术实现思路
以及下面的具体实施方式在结合附图阅读时会得到更好的理解。需要说明的是，附图仅作为所请求保护的专利技术的示例。在附图中，相同的附图标记代表相同或类似的元素。
[0032]图1示出根据本说明书实施例的用于生成证件图像的示例方法的流程图。
[0033]图2示出根据本说明书实施例的用于生成证件图像的示例过程的示意图。
[0034]图3示出根据本说明书实施例的证件特征因子的示例的示意图。
[0035]图4示出根据本说明书实施例的用于生成证件模板的示例过程的示意图。
[0036]图5示出根据本说明书实施例的用于生成证件模板的示例方法的流程图。
[0037]图6示出根据本说明书实施例的用于生成证件样本的示例过程的示意图。
[0038]图7示出根据本说明书实施例的用于调整证件样本的示例过程的示意图。
[0039]图8示出根据本说明书实施例的用于生成证件图像的示例系统的框图。
[0040]图9示出用于实现根据本说明书一个或多个实施例的系统的装置的示意框图。
具体实施方式
[0041]以下具体实施方式的内容足以使任何本领域技术人员了解本说明书的一个或多个实施例的
技术实现思路
并据以实施，且根据本说明书所揭露的说明书、权利要求及附图，本领域技术人员可轻易地理解本说明书的一个或多个实施例相关的目的及优点。
[0042]为避免可能存在的隐私问题，在本文附图中一些内容被手动涂抹。需要注意，这样的涂抹不应被解读为是本说明书的实施例的特征。
[0043]如上文所述，在许多应用中，需要大量的证件的图像(例如身份证、护照、驾驶证等的照片)。为了使应用能够国际化，可能需要大量的不同国家的身份证件的图像。然而，收集大量真实的，尤其是各个国家的证件可能难以实现。因此，在一些情况下，需要自动生成证件图像。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于生成证件图像的方法，包括：从证件特征因子库获取多个证件特征因子，所述证件特征因子是从多个真实证件图像提取的；将所述多个证件特征因子组合以便生成多个证件模板；用新证件特征因子替换所述多个证件模板中的对应证件特征因子以生成多个证件样本；以及采用机器学习算法来对每个证件样本执行质量风格迁移以生成一个或多个证件图像。2.如权利要求1所述的方法，其中生成所述证件模板包括：使用二分类模型来筛选证件模板以提升所生成的证件模板的布局的真实性。3.如权利要求2所述的方法，其中生成所述证件模板包括：随机组合所述多个证件特征因子以生成候选证件模板；使用所述二分类模型确定所述候选证件模板为真的置信度；将所述置信度与置信度阈值进行比较；以及选择所述置信度大于所述置信度阈值的候选证件模板作为所生成的证件模板。4.如权利要求3所述的方法，其中所述二分类模型是使用训练样本集来训练的，其中所述训练样本集包括正样本和负样本，所述正样本为真实证件图像，所述负样本为通过证件特征因子的随机布局组成的证件图像。5.如权利要求4所述的方法，其中所述训练样本集中的训练样本的质量风格是随机的。6.如权利要求1所述的方法，其中基于所述证件模板生成多个证件样本包括：用新证件特征因子替换所述证件模板中的对应证件特征因子。7.如权利要求1所述的方法，其中所述机器学习模型为生成对抗网络。8.如权利要求1所述的方法，其中所述证件特征因子库包括多个子库，每个子库包括相同或相似类别的证件特征因子。9.一种用于生成证件图像的系统，包括：证件特征因子获取模块，用于从证件特征因子库获取多个证件特征因子，所述证件特征因子是从多个真实证件图像提取的；证件模板生成模块，用于将所述多个证件特征因子组合以便生成多个证件模板...
【专利技术属性】
技术研发人员：甘宇飞，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。