封面设计模型训练方法、介质、装置和计算设备制造方法及图纸

本公开的实施方式提供了一种封面设计模型训练方法、介质、装置和计算设备。该方法包括：从前景图库中选取一张前景图像，提取前景图像的图像特征、文案特征以及颜色特征并进行合并，得到第一合并特征；将第一合并特征和背景特征输入背景生成网络，得到生成的背景图；通过排版网络，将前景图分别和所有背景图组装，得到多张第一封面；将多张第一封面输入评价网络，得到第一评分向量；根据生成的背景图、第一封面以及每个第一封面对应的第一评分，对背景生成网络进行训练。通过评价网络训练得到的封面设计模型，本公开的方法可以通过封面设计模型设计封面，相比于通过人工设计封面的方法，可以提高封面设计的效率。可以提高封面设计的效率。可以提高封面设计的效率。

【技术实现步骤摘要】
封面设计模型训练方法、介质、装置和计算设备


[0001]本公开的实施方式涉及计算机视觉领域，更具体地，本公开的实施方式涉及一种封面设计模型训练方法、介质、装置和计算设备。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]当前，为了达到醒目或美观的宣传效果的目的，通常由视觉设计师凭借自身的艺术经验或艺术理解，将图片和素材进行组装，组合出一个可以吸引人注意力的封面。
[0004]然而，这种常规做法以人工匹配现有模板的技术为主，这种方法效率较低，当出现封面需求量过大的时候，人工设计是无法满足的。

技术实现思路

[0005]本公开提供一种封面设计模型训练方法、介质、装置和计算设备，用于高效生成封面。
[0006]在本公开实施方式的第一方面中，提供了一种封面设计模型训练方法，包括：从前景图库中选取一张前景图，提取所述前景图的图像特征、文案特征以及颜色特征并进行合并，得到第一合并特征；提取背景图库的每个背景的背景特征；所述背景图库和前景图库通过建立得到；所述前景图像中包含前景图以及文案；将所述第一合并特征和所述背景特征输入封面设计模型中的背景生成网络，得到生成的背景图；所述生成的背景图的背景特征与所述第一合并特征最接近；通过排版网络，将所述前景图分别和背景图库中的所有背景组装，得到多张第一封面；将所述多张第一封面输入评价网络，得到第一评分向量，所述第一评分向量包括所述多张第一封面的评分；所述排版网络通过已有的背景图、前景图、装饰图以及文案作为训练集，进行训练得到；所述评价网络通过已有的封面作为训练集，进行训练得到；根据所述生成的背景图、第一封面以及每个第一封面对应的第一评分，对所述背景生成网络进行训练；直至所述生成的背景图为第一评分最高的第一封面对应的背景图，则完成所述背景生成网络的训练。
[0007]在本公开的一个实施例中，所述封面设计模型训练方法包括：从背景图库、前景图库、装饰图库以及文案库分别随机选取背景图、前景图、装饰图以及文案；从所述背景图中提取背景特征、从所述前景图中提取图像特征、从所述装饰图中提取图像特征以及从所述文案中提取文案特征，将所述背景特征、图像特征以及文案特征进行合并，得到第二合并特征；所述装饰图库以及文案库通过建立得到；将所述第二合并特征输入所述排版网络，得到位置向量；所述位置向量包含所述前景图位置参数、装饰图位置参数以及文案位置参数；所述前景图位置参数包括前景图在背景图中横坐标、纵坐标以及面积占比；所述装饰图位置参数包括文案在背景图中横坐标、纵坐标以及面积占比；所述文案位置参数包括文案在背景图中横坐标、纵坐标以及面积占比；按照所述位置向量，将所述前景图、所述装饰图以及
所述文案布局至所述背景图，得到多个生成封面，并将所述多个生成封面输入评价网络，得到所述多个生成封面的评分值；根据所述多个生成封面的评分值，对所述排版网络进行训练；直至排版网络输出的前景图位置向量、装饰图位置向量以及文案位置向量同时对应的生成封面为评价网络输出的评分值最高的生成封面，则完成所述排版网络的训练。
[0008]在本公开的另一个实施例中，所述封面设计模型训练方法包括：计算所述第一合并特征和所述背景图库的每个背景图的背景特征之间的欧氏距离，生成一个距离向量；所述距离向量中的每个欧式距离表征所述第一合并特征和对应的背景特征之间的接近程度；基于交叉熵代价函数，以所述第一评分向量作为标签，以所述距离向量作为输入，对所述背景生成网络进行训练，直至所述背景生成网络生成的背景图为所述距离向量最小的背景图，则完成所述背景生成网络的训练。
[0009]在本公开的又一个实施例中，所述封面设计模型训练方法包括：将所述装饰图按照所述装饰图位置参数布局至所述背景图上，得到多个第二封面；将所述多个第二封面输入评价网络，得到所述多个第二封面的评分值；将所述前景图按照所述前景图位置参数布局至所述第二封面上，得到多个第三封面；将所述多个第三封面输入评价网络，得到所述多个第三封面的评分值；将所述文案按照所述文案位置参数布局至所述第三封面上，得到多个第四封面；将所述多个第四封面输入评价网络，得到所述多个第四封面的评分值；其中，所述多个生成封面包括所述多个第二封面、所述多个第三封面和所述多个第四封面；所述根据所述多个生成封面的评分值和预设的代价阈值，对所述排版网络进行训练，包括：根据所述位置向量，生成训练向量，所述训练向量包括横坐标下所述前景图对应的位置向量和所述装饰图对应的位置向量以及所述文案对应的位置向量之和、纵坐标下所述前景图对应的位置向量和所述装饰图对应的位置向量以及所述文案对应的位置向量之和，以及面积占比下所述前景图对应的位置向量和所述装饰图对应的位置向量以及所述文案对应的位置向量之和；基于均方差代价函数，以所述多个生成封面的评分值中的最大评分值作为标签，以所述训练向量作为输入，对所述排版网络进行训练，直至代价值小于预设的第一代价值阈值，则完成所述排版网络的训练。
[0010]在本公开的再一个实施例中，所述封面设计模型训练方法包括：从封面库中获取多张第五封面并分成多组，每组包含张数相同的多张第五封面，提取所述第五封面的封面特征；针对每组第五封面，根据用户设定的美观度排序结果，对该组第五封面中的多个封面进行排序；所述封面库通过已有的封面建立得到；将排序后的每组第五封面各自对应的封面特征输入评价网络，输出第二评分向量，根据所述第二评分向量对每组第五封面进行排序，直至和用户设定的美观度排序结果的相似度达到预设的排序阈值，则完成所述评价网络的训练。
[0011]在本公开的再一个实施例中，所述封面设计模型训练方法包括：将所述每组封面按照美观度排序依次输入评价网络，得到评价网络输出的第二评分向量；所述第二评分向量包括该组封面中每个封面的评分值；依次针对所述第二评分向量中的每个评分值，计算所述评分值与排序在所述评分值之后的所有评分值的差，得到相减向量；通过激活函数对所述相减向量进行激活处理，基于交叉熵代价函数，以经过激活函数处理的结果作为输入，向1回归，对所述评价网络进行训练，直至代价值小于预设的第二代价值阈值，则完成所述评价网络的训练。
[0012]在本公开实施方式的第二方面中，提供了一种封面设计方法，包括：将用户输入的待处理背景颜色、待处理文案、待处理装饰图以及待处理前景图，输入完成训练的封面设计模型，得到第六封面，将该第六封面推送给用户。
[0013]在本公开的一个实施例中，所述封面设计方法包括：提取所述待处理背景颜色的颜色特征，提取所述待处理前景图的图像特征、提取所述待处理装饰图的图像特征以及提取所述待处理文案的文案特征进行合并，得到第三合并特征；将所述第三合并特征输入完成训练的封面设计模型的背景生成网络，得到待处理背景图；提取所述待处理背景图的背景特征；将所述待处理背景图的背景特征、所述待处理前景图的图像特征、所述待处理装饰图的图像特征以及所述待处理文案的文案特征进行合并，得到第四合并特征；将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种封面设计模型训练方法，所述封面设计模型包括背景生成网络以及排版网络，所述方法包括：从前景图库中选取一张前景图像，提取所述前景图像的图像特征、文案特征以及颜色特征并进行合并，得到第一合并特征；提取背景图库的每个背景图的背景特征；所述背景图库和前景图库通过建立得到；所述前景图像中包含前景图以及文案；将所述第一合并特征和所述背景特征输入封面设计模型中的背景生成网络，得到生成的背景图；所述生成的背景图的背景特征与所述第一合并特征最接近；通过排版网络，将所述前景图分别和背景图库中的所有背景图组装，得到多张第一封面；将所述多张第一封面输入评价网络，得到第一评分向量，所述第一评分向量包括所述多张第一封面的评分；所述排版网络通过已有的背景图、前景图、装饰图以及文案作为训练集，进行训练得到；所述评价网络通过已有的封面作为训练集，进行训练得到；根据所述生成的背景图、第一封面以及每个第一封面对应的第一评分，对所述背景生成网络进行训练；直至所述生成的背景图为第一评分最高的第一封面对应的背景图，则完成所述背景生成网络的训练。2.根据权利要求1所述的方法，所述排版网络通过已有的背景图、前景图、装饰图以及文案作为训练集，进行训练得到，包括：从背景图库、前景图库、装饰图库以及文案库分别随机选取背景图、前景图、装饰图以及文案；从所述背景图中提取背景特征、从所述前景图中提取图像特征、从所述装饰图中提取图像特征以及从所述文案中提取文案特征，将所述背景特征、图像特征以及文案特征进行合并，得到第二合并特征；所述装饰图库以及文案库通过建立得到；将所述第二合并特征输入所述排版网络，得到位置向量；所述位置向量包含所述前景图位置参数、装饰图位置参数以及文案位置参数；所述前景图位置参数包括前景图在背景图中横坐标、纵坐标以及面积占比；所述装饰图位置参数包括文案在背景图中横坐标、纵坐标以及面积占比；所述文案位置参数包括文案在背景图中横坐标、纵坐标以及面积占比；按照所述位置向量，将所述前景图、所述装饰图以及所述文案布局至所述背景图，得到多个生成封面，并将所述多个生成封面输入评价网络，得到所述多个生成封面的评分值；根据所述多个生成封面的评分值，对所述排版网络进行训练；直至排版网络输出的前景图位置向量、装饰图位置向量以及文案位置向量同时对应的生成封面为评价网络输出的评分值最高的生成封面，则完成所述排版网络的训练。3.根据权利要求1所述的方法，所述根据所述生成的背景图、第一封面以及第一封面的第一评分，对所述背景生成网络进行训练，包括：计算所述第一合并特征和所述背景图库的每个背景图的背景特征之间的欧氏距离，生成一个距离向量；所述距离向量中的每个欧式距离表征所述第一合并特征和对应的背景特征之间的接近程度；基于交叉熵代价函数，以所述；作为标签，以所述距离向量作为输入，对所述背景生成网络进行训练，直至所述背景生成网络生成的背景图为所述距离向量最小的背景图，则完成所述背景生成网络的训练。4.根据权利要求2所述的方法，所述按照所述位置向量，对所述前景图、所述装饰图以及所述文案布局至所述背景图，得到多个生成封面，并将所述多个生成封面输入评价网络，
得到所述多个生成封面的评分值，包括：将所述装饰图按照所述装饰图位置参数布局至所述背景图上，得到多个第二封面；将所述多个第二封面输入评价网络，得到所述多个第二封面的评分值；将所述前景图按照所述前景图位置参数布局至所述第二封面上，得到多个第三封面；将所述多个第三封面输入评价网络，得到所述多个第三封面的评分值；将所述文案按照所述文案位置参数布局至所述第三封面上，得到多个第四封面；将所述多个第四封面输入评价网络，得到所述多个第四封面的评分值；其中，所述多个生成封面包括所述多个第二封面、所述多个第三封面和所述多个第四封面；所述根据所述多个生成封面的评分值和预设的代价...

【专利技术属性】
技术研发人员：洪伟，姜波，胡光龙，汪源，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：