本公开提供了一种智能卡卡面图案定制方法，涉及人工智能技术领域。该方法包括：接收用户发送的卡面图案定制请求，卡面图案定制请求包括用户指定的风格图片和内容图片；将风格图片和内容图片输入训练好的图片风格迁移模型，输出按照风格图片将内容图片进行风格转换后的目标图案；以及将目标图案经过用户确认后作为卡面图案来制作智能卡。本公开还提供了一种智能卡卡面图案定制装置、设备、存储介质和程序产品。序产品。序产品。
【技术实现步骤摘要】
智能卡卡面图案定制方法、装置、电子设备及介质
[0001]本公开涉及人工智能
，具体涉及图像识别领域，更具体地涉及一种智能卡卡面图案定制方法、装置、电子设备及介质。
技术介绍
[0002]目前，用户在申请银行卡时，银行卡卡面图案一种是固定的图案，另一种是用户自己选定的图案作为银行卡的卡面图案。
[0003]然而，现有的银行卡卡面图案定制技术中，用户虽然可以用自己喜欢的图案作为银行卡的卡面图案，但是不能将多张图案的风格进行融合生成新的图案。例如，用户很喜欢某个摄影师拍照风格，想将自己的某张照片融合出摄影师拍出来的照片风格，使得定制的银行卡的卡面图案信息内容更加多样性，传统的银行卡卡面图案定制技术无法满足用户需求，不能给用户提供丰富的视觉信息。
技术实现思路
[0004]为了克服了现有银行卡卡面图案定制技术中无法融合多种图片风格信息的不足，本公开提供了一种智能卡卡面图案定制方法、装置、电子设备及介质。
[0005]根据本公开的第一个方面，提供了一种智能卡卡面图案定制方法，包括：接收用户发送的卡面图案定制请求，卡面图案定制请求包括用户指定的风格图片和内容图片；将风格图片和内容图片输入训练好的图片风格迁移模型，输出按照风格图片将内容图片进行风格转换后的目标图案；以及将目标图案经过用户确认后作为卡面图案来制作智能卡。
[0006]根据本公开的实施例，图片风格迁移模型依次由编码器网络模型、自适应实例归一化层和解码器网络模型搭建而成，其中：编码器网络模型采用VGG
‑
19卷积神经网络结构并在VGG
‑
19卷积神经网络结构之中并行加入三种不同扩张率的空洞卷积结构；自适应实例归一化层用于对经过编码器的特征进行实例归一化；解码器网络模型的网络结构与编码器网络模型对称。
[0007]根据本公开的实施例，编码器网络模型包括14个卷积层、5个池化层、3个空洞卷积层、3个全连接层和1个softmax分类器，3个空洞卷积层并行设置于第9个卷积层与第10个卷积层之间，每个卷积层、空洞卷积层和全连接层后面都附上ReLU激活函数。
[0008]根据本公开的实施例，编码器网络模型是通过以下方式进行训练的：获取包含多张第一风格图片和第一内容图片的第一图像数据集，对第一图像数据集进行预处理，将预处理后的第一图像数据集随机拆分为训练集与验证集；将训练集经过预设格式转换后输入编码器网络模型进行特征编码，使用Adam梯度下降算法训练编码器网络模型，得到训练好的编码器网络模型。
[0009]根据本公开的实施例，对第一图像数据集进行预处理，包括：将第一图像数据集缩放至预设尺寸；对预设尺寸的第一图像数据集进行模糊处理、光照调整或旋转操作。
[0010]根据本公开的实施例，编码器网络模型中的第12个卷积层附上的ReLU激活函数之
后连接自适应实例归一化层。
[0011]根据本公开的实施例，解码器网络模型采用编码器网络模型中的第12个卷积层附上的ReLU激活函数之前相对称的网络结构，并且将编码器网络模型中的池化层均替换为上采样层。
[0012]根据本公开的实施例，图片风格迁移模型是通过以下方式进行训练的：获取包含多张第二风格图片和第二内容图片的第二图像数据集，对第二图像数据集进行预处理，将预处理后的第二图像数据集随机拆分为训练集与验证集；将训练集经过预设格式转换后输入编码器网络模型进行特征编码，使用Adam梯度下降算法训练编码器网络模型，得到训练好的编码器网络模型。
[0013]根据本公开的实施例，用户指定的内容图片为多个。
[0014]本公开的第二方面提供了一种智能卡卡面图案定制装置，包括：定制请求模块，用于接收用户发送的卡面图案定制请求，卡面图案定制请求包括用户指定的风格图片和内容图片；风格转换模块，用于将风格图片和内容图片输入训练好的图片风格迁移模型，输出按照风格图片将内容图片进行风格转换后的目标图案；以及图案制作模块，用于将目标图案经过用户确认后作为卡面图案来制作智能卡。
[0015]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述智能卡卡面图案定制方法。
[0016]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述智能卡卡面图案定制方法。
[0017]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述智能卡卡面图案定制方法。
[0018]与现有技术相比，本公开提供的智能卡卡面图案定制方法、装置、电子设备及介质，至少具有以下有益效果：
[0019](1)本公开能够融合多张图片的图案信息，增加图片风格的多样性，使用户能智能定制出心仪的卡面图案，提升用户使用体验。
[0020](2)本公开搭建和训练深度学习的图片风格迁移网络模型，模型只需要训练一次就可以迁移各类风格的图片。图片风格迁移网络模型将内容图片与风格图片进行融合，使最后生成的图片风格不再是单一风格，图片呈现多元化图像风格，满足不同人的图像需求。
附图说明
[0021]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
[0022]图1示意性示出了根据本公开实施例的智能卡卡面图案定制方法及装置的应用场景图；
[0023]图2示意性示出了根据本公开实施例的智能卡卡面图案定制方法的流程图；
[0024]图3示意性示出了根据本公开实施例的图片风格迁移模型的搭建流程图；
[0025]图4示意性示出了根据本公开实施例的编码器网络模型的网络结构图；
[0026]图5示意性示出了根据本公开实施例的编码器网络模型的训练方法流程图；
[0027]图6示意性示出了根据本公开实施例的图像数据集预处理的流程图；
[0028]图7示意性示出了根据本公开实施例的解码器网络模型的网络结构图；
[0029]图8示意性示出了根据本公开实施例的图片风格迁移模型的训练方法流程图；
[0030]图9示意性示出了根据本公开实施例的智能卡卡面图案定制装置的结构框图；
[0031]图10示意性示出了根据本公开实施例的适于实现智能卡卡面图案定制方法的电子设备的方框图。
具体实施方式
[0032]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0033]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智能卡卡面图案定制方法，包括：接收用户发送的卡面图案定制请求，所述卡面图案定制请求包括用户指定的风格图片和内容图片；将所述风格图片和内容图片输入训练好的图片风格迁移模型，输出按照所述风格图片将所述内容图片进行风格转换后的目标图案；以及将所述目标图案经过用户确认后作为卡面图案来制作智能卡。2.根据权利要求1所述的方法，其中，所述图片风格迁移模型依次由编码器网络模型、自适应实例归一化层和解码器网络模型搭建而成，其中：所述编码器网络模型采用VGG
‑
19卷积神经网络结构并在所述VGG
‑
19卷积神经网络结构之中并行加入三种不同扩张率的空洞卷积结构；所述自适应实例归一化层用于对经过所述编码器的特征进行实例归一化；所述解码器网络模型的网络结构与所述编码器网络模型对称。3.根据权利要求2所述的方法，其中，所述编码器网络模型包括14个卷积层、5个池化层、3个空洞卷积层、3个全连接层和1个softmax分类器，所述3个空洞卷积层并行设置于第9个卷积层与第10个卷积层之间，每个卷积层、空洞卷积层和全连接层后面都附上ReLU激活函数。4.根据权利要求2所述的方法，其中，所述编码器网络模型是通过以下方式进行训练的：获取包含多张第一风格图片和第一内容图片的第一图像数据集，对所述第一图像数据集进行预处理，将预处理后的第一图像数据集随机拆分为训练集与验证集；将所述训练集经过预设格式转换后输入编码器网络模型进行特征编码，使用Adam梯度下降算法训练所述编码器网络模型，得到训练好的编码器网络模型。5.根据权利要求4所述的方法，其中，所述对所述第一图像数据集进行预处理，包括：将所述第一图像数据集缩放至预设尺寸；对预设尺寸的第一图像数据集进行模糊处理、光照调整或旋转操作。6.根据权利要求3...
【专利技术属性】
技术研发人员：吴思奥，暨光耀，傅媛媛，丘士丹，
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：
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。