本公开涉及一种配色方案生成模型训练方法、配色方案生成方法及装置。该训练方法包括：获取图片数据集；通过颜色聚类方法提取所述图片数据集中的每张图片的第一主色信息；根据每张图片的第一主色信息，形成每张图片各自的输入数据和标签数据；利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练。通过本公开的方案，可以通过图片获得模型的输入数据和标签数据，并且利用输入数据和标签数据对模型进行训练，从而可以训练出能够生成与图片相适配的配色方案的配色方案生成模型,进而可以根据图片通过简单快速的方式得到适配的配色方案。的配色方案。的配色方案。
【技术实现步骤摘要】
配色方案生成模型训练方法、配色方案生成方法及装置
[0001]本公开一般地涉及图像处理
更具体地，本公开涉及配色方案生成模型训练方法、配色方案生成方法及装置。
技术介绍
[0002]目前，在网页、海报等设计领域，通常需要设计师根据物品或人物等主体的图片来进行全局设计，而在设计过程中，需要选择与该主体搭配的颜色作为其它部分的颜色,而颜色的搭配会直接影响到设计的整体视觉体验,所以该步骤需要设计师根据经验进行不断的调色来完善优化，从而影响设计的效率。
技术实现思路
[0003]为了至少部分地解决
技术介绍
中提到的技术问题，本公开的方案提供了一种配色方案生成模型训练方法、配色方案生成方法及装置。
[0004]根据本公开的第一方面，本公开提供一种配色方案生成模型训练方法，其中，所述方法包括：获取图片数据集；通过颜色聚类方法提取所述图片数据集中的每张图片的第一主色信息；根据每张图片的第一主色信息，形成每张图片各自的输入数据和标签数据；利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练。
[0005]可选的，所述颜色聚类方法包括K
‑
means聚类算法。
[0006]可选的，所述第一主色信息包括多个主色各自的RGB值以及所述多个主色各自的占比，根据每张图片的第一主色信息，形成每张图片各自的输入数据和标签数据包括：根据所述多个主色各自的占比，对所述多个主色按照占比从高到低的顺序进行排序；根据所述排序，将所述多个主色的RGB值组成数组，并将所述数组作为所述输入数据，其中每个主色的RGB值作为所述数组的一个元素；将所述输入数据中的第一个元素删除，并将随后所有元素向前移动一位，并在最后一个元素后面加入一个预设元素，以形成所述标签数据。
[0007]可选的，利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练包括：将所述输入数据输入所述配色方案生成模型，获得输出结果；根据所述标签数据和所述输出结果，通过欧式距离计算方法获得损失值作为迭代模型的参数，其中所述标签数据中的所述预设元素中的数据与所述输出结果中的最后一个元素的数据不进行欧式距离计算；根据所述损失值，通过Adam算法优化所述配色方案生成模型。
[0008]根据本公开的第二方面，本公开提供一种配色方案生成方法，其中，所述方法包括：获取生成配色方案所用的图片；根据所述图片，获取第二主色信息；基于所述第二主色信息，通过配色方案生成模型，获得用于所述图片的配色方案，其中所述配色方案生成模型通过上述配色方案生成模型训练方法训练得到，并且其中所述第二主色信息中的主色数量小于所述第一主色信息中的主色数量。
[0009]可选的，基于所述第二主色信息，通过配色方案生成模型，获得用于所述图片的配色方案包括：基于所述第二主色信息，通过配色方案生成模型，获得输出数据，其中所述输
出数据的最后一行数据为配色数据；根据预设配色数量和所述配色数据，通过配色方案生成模型获得用于所述图片的配色方案。
[0010]根据本公开的第三方面，本公开提供一种配色方案生成模型训练装置，其中，所述装置包括：第一获取模块，其用于获取图片数据集；主色提取模块，其用于通过颜色聚类方法提取所述图片数据集中的每张图片的主色信息；数据生成模块，其用于根据每张图片的主色信息，形成每张图片各自的输入数据和标签数据；训练模块，其用于利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练。
[0011]可选的，所述颜色聚类方法包括K
‑
means聚类算法。
[0012]可选的，所述第一主色信息包括多个主色各自的RGB值以及所述多个主色各自的占比，所述数据生成模块用于采取如下方式根据每张图片的第一主色信息，形成每张图片各自的输入数据和标签数据：根据所述多个主色各自的占比，对所述多个主色按照占比从高到低的顺序进行排序；根据所述排序，将所述多个主色的RGB值组成数组，并将所述数组作为所述输入数据，其中每个主色的RGB值作为所述数组的一个元素；将所述输入数据中的第一个元素删除，并将随后所有元素向前移动一位，并在最后一个元素后面加入一个预设元素，以形成所述标签数据。
[0013]可选的，所述训练模块用于采取如下方式利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练：将所述输入数据输入所述配色方案生成模型，获得输出结果；根据所述标签数据和所述输出结果，通过欧式距离计算方法获得损失值作为迭代模型的参数，其中所述标签数据中的所述预设元素中的数据与所述输出结果中的最后一个元素的数据不进行欧式距离计算；根据所述损失值，通过Adam算法优化所述配色方案生成模型。
[0014]根据本公开的第四方面，本公开提供一种配色方案生成装置，其中，所述装置包括：第二获取模块，其用于获取生成配色方案所用的图片；第三获取模块，其用于根据所述图片，获取主色信息；配色方案生成模块，其用于基于所述主色信息，通过配色方案生成模型，获得用于所述图片的配色方案，其中所述配色方案生成模型通过上述配色方案生成模型训练装置训练得到。
[0015]可选的，所述配色方案生成模块用于采取如下方式基于所述第二主色信息，通过配色方案生成模型，获得用于所述图片的配色方案：基于所述第二主色信息，通过配色方案生成模型，获得输出数据，其中所述输出数据的最后一行数据为配色数据；根据预设配色数量和所述配色数据，通过配色方案生成模型获得用于所述图片的配色方案。
[0016]根据本公开的第五方面，本公开提供一种电子设备，其中，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现上述本公开的第一方面的方法或实现上述本公开的第二方面的方法。
[0017]根据本公开的第六方面，本公开提供一种计算机可读存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序被执行时，实现上述本公开的第一方面的方法或实现上述本公开的第二方面的方法。
[0018]通过本公开的配色方案生成模型训练方法，可以通过图片获得模型的输入数据和标签数据，并且利用输入数据和标签数据对模型进行训练，从而可以训练出能够生成与图片相适配的配色方案的配色方案生成模型。并且通过本公开的配色方案生成方法，可以根
据图片通过简单快速的方式得到适配的配色方案。
附图说明
[0019]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分其中：
[0020]图1是示出根据本公开的一个实施例的配色方案生成模型训练方法的流程图；
[0021]图2是示出根据本公开的一个实施例的配色方案生成模型的架构图；
[0022]图3是示出根据本公开的一个实施例的配色方案生成方法的流程图；
[0023]图4是示出根据本公开的一个实施例的配色方案生成模型训练装置的示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种配色方案生成模型训练方法，其中，所述方法包括：获取图片数据集；通过颜色聚类方法提取所述图片数据集中的每张图片的第一主色信息；根据每张图片的第一主色信息，形成每张图片各自的输入数据和标签数据；利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练。2.根据权利要求1所述的配色方案生成模型训练方法，其中，所述颜色聚类方法包括K
‑
means聚类算法。3.根据权利要求1所述的配色方案生成模型训练方法，其中，所述第一主色信息包括多个主色各自的RGB值以及所述多个主色各自的占比，根据每张图片的第一主色信息，形成每张图片各自的输入数据和标签数据包括：根据所述多个主色各自的占比，对所述多个主色按照占比从高到低的顺序进行排序；根据所述排序，将所述多个主色的RGB值组成数组，并将所述数组作为所述输入数据，其中每个主色的RGB值作为所述数组的一个元素；将所述输入数据中的第一个元素删除，并将随后所有元素向前移动一位，并在最后一个元素后面加入一个预设元素，以形成所述标签数据。4.根据权利要求1所述的配色方案生成模型训练方法，其中，利用全部所述输入数据和所述标签数据对所述配色方案生成模型进行训练包括：将所述输入数据输入所述配色方案生成模型，获得输出结果；根据所述标签数据和所述输出结果，通过欧式距离计算方法获得损失值作为迭代模型的参数，其中所述标签数据中的所述预设元素中的数据与所述输出结果中的最后一个元素的数据不进行欧式距离计算；根据所述损失值，通过Adam算法优化所述配色方案生成模型。5.一种配色方案生成方法，其中，所述方法包括：获取生成配色方案所用的图片；根据所述图片，获取第二主色信息；基于所述第二主色信息，通过配色方案生成模型，获得用于所述图片的配色方案，其中所述配色方案生成模型通过...
【专利技术属性】
技术研发人员：曾志先，靳鸿蔚，
申请(专利权)人：稿定厦门科技有限公司，
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。