一种多人实时编辑的处理方法与装置制造方法及图纸

本申请公开了一种多人实时编辑的处理方法与装置，用于减少图像与编辑文件的主题产生不契合的情况。本申请方法包括：获取第一编辑文件和第二编辑文件，并确定其编辑主题，并生成编辑主题参数；获取第一编辑文件和第二编辑文件在目标编辑区域的第一原始图像和第二原始图像；获取卷积神经网络模型；对第一原始图像和第二原始图像进行特征提取；将编辑主题参数分别与第一特征和第二特征进行通道拼接；将第一融合特征和第二融合特征进行图像还原，生成第一融合图像和第二融合图像；对第一融合图像和第二融合图像进行主题概率判定，生成主题判定结果；确定最优的原始图像对应的目标编辑文件，将目标编辑文件在目标编辑区域的内容确定为目标内容。定为目标内容。定为目标内容。

【技术实现步骤摘要】
一种多人实时编辑的处理方法与装置


[0001]本申请实施例涉及多人编辑领域，尤其涉及一种多人实时编辑的处理方法与装置。

技术介绍

[0002]在目前阶段，人们对于文件的编辑，尤其是复杂文件的编辑仍然处于原始阶段，尤其是需要通过大量图像来编辑的文件，例如：景区规划文件、新款相机的介绍文件以及产品介绍文件等。
[0003]多人实时编辑作为新型的文件编辑手段，通过确定模板文件，将模板文件将分发给相对应的多个编辑人员，每一个编辑人员进行对应部分的撰写，在编辑后由审核人员来进行审核。但是，不同的编辑人员对于文件的不同部分有着不同的编辑能力以及编辑创新，分段编辑虽然会使得文件编辑时间下降，但是会使得有一些部分的衔接性较差，导致整个文件出现断层的质量问题。这时，更多企业需要编辑人员对于模板文件的核心部分进行共同的实时的撰写，分支部分进行独立撰写，再由编辑的多方进行实时的人工评估讨论，将该部分最精彩的内容挑选出来放到最终的编辑文件中。但是这样的评估方式往往会产生较大的意见分歧，尤其是图像部分，各个编辑者对于各自选取的图像都存在着保留倾向，这回使得文件编辑时间耗费在评估讨论上，降低多人实时编辑的效率。
[0004]目前，会通过一些评估模型来对多份编辑文件中的图像进行评估，主要是用于评估多份编辑文件中同一个编辑区域（现有产品的图像展示模块、新产品的展示模块和新产品的运作效果模块）中，将这个编辑区域中的图像取出，输入卷积神经网络模型中进行判定，判定哪一个图像更精彩，由于编辑的其他内容都是基于图像所描绘，则可以保留最优图像对应的内容。但是，目前的卷积神经网络模型主要是提取图像的像素特征，简单的对图像的像素特征进行精彩程度的判定，但是这种方式未考虑到文件的编辑主题，例如：整份编辑文件的主题为某款新式相机的介绍与销售企划，但是在
技术介绍
的编辑区域中，有的编辑者使用的是该款新式相机同系列的旧款的图像，有的编辑者是采用年度跨越更大另一款老式相机的图像，在主题上明显是该款新式相机同系列的旧款更加切合，但是普通的卷积神经网络模型只评估图像的精彩程度、图像像素分布和图像清晰度，这时如果年度跨越更大另一款老式相机的图像使用的是一款优质相机拍摄，这就会使得其精彩程度高于该款新式相机同系列的旧款的图像，导致图像与编辑文件的主题产生不契合的情况。

技术实现思路

[0005]本申请公开了一种多人实时编辑的处理方法与装置，用于减少图像与编辑文件的主题产生不契合的情况。
[0006]本申请第一方面提供了一种多人实时编辑的处理方法，包括：获取第一编辑文件和第二编辑文件，所述第一编辑文件和所述第二编辑文件为模板相同并受到编辑的文件；
确定所述第一编辑文件和所述第二编辑文件的编辑主题，并通过所述编辑主题生成编辑主题参数；获取所述第一编辑文件在目标编辑区域的第一原始图像，获取所述第二编辑文件在对应所述目标编辑区域上的第二原始图像；获取卷积神经网络模型，所述卷积神经网络包括特征提取单元、特征还原单元和类型判别单元；使用所述特征提取单元对所述第一原始图像和所述第二原始图像进行特征提取，生成第一特征和第二特征；将所述编辑主题参数分别与所述第一特征和所述第二特征进行通道拼接，生成第一融合特征和第二融合特征；通过所述特征还原单元将所述第一融合特征和所述第二融合特征进行图像还原，生成第一融合图像和第二融合图像；通过所述类型判别器单元对所述第一融合图像和第二融合图像进行主题概率判定，生成主题判定结果；根据所述主题判定结果确定最优的原始图像对应的目标编辑文件，将所述目标编辑文件在所述目标编辑区域的内容确定为目标内容。
[0007]可选的，所述特征提取单元中包括至少两个大小不同的卷积核；所述使用所述特征提取单元对所述第一原始图像和所述第二原始图像进行特征提取，生成第一特征和第二特征，包括：通过所述特征提取单元中的3*3卷积核、5*5卷积核和7*7卷积核对所述第一原始图像进行多重特征提取，生成3*3特征数据、5*5特征数据和7*7特征数据；对所述3*3特征数据、5*5特征数据和7*7特征数据进行特征重要性判定，生成特征叠加系数；通过所述特征叠加系数将所述3*3特征数据、5*5特征数据和7*7特征数据进行通道叠加，生成第一特征；根据上述方法处理所述第二原始图像，生成第二特征。
[0008]可选的，所述类型判别器单元包括特征提取模块、至少两个残差提取模块和残差融合模块；所述通过所述类型判别器单元对所述第一融合图像和第二融合图像进行主题概率判定，生成主题判定结果，包括：通过所述类型判别器单元中的特征提取模块对所述第一融合图像进行特征提取，生成判别特征；将所述判别特征输入第一残差提取模块，生成第一残差；将所述第一残差输入第二残差提取模块，生成第二残差；将所述第二残差输入第二残差提取模块，生成第三残差；通过所述残差融合模块并根据所述特征叠加系数对所述第一残差、第二残差和第三残差融合，生成目标残差；将所述目标残差通过所述全局平均池化层和所述softmax函数生成所述第一融合图像的第一主题概率；
根据上述方法生成所述第二融合图像的第二主题概率；将所述第一主题概率和所述第二主题概率作为主题判定结果。
[0009]可选的，所述将所述编辑主题参数分别与所述第一特征和所述第二特征进行RGB颜色通道拼接，生成第一融合特征和第二融合特征，包括：计算所述编辑主题和所述模板的模板主题的第一关联度；当所述第一关联度大于第一预设阈值，获取所述模板对应的模板主题参数；计算所述编辑主题和所述目标编辑区域的区域主题的第二关联度；当所述第二关联度大于第二预设阈值，获取所述目标编辑区域对应的区域主题参数；根据所述编辑主题参数、所述模板主题参数、所述区域主题参数、所述第一关联度和所述第二关联度生成主题拼接通道；将所述主题拼接通道分别与所述第一特征和所述第二特征进行通道拼接，生成第一融合特征和第二融合特征。
[0010]可选的，所述将所述主题拼接通道分别与所述第一特征和所述第二特征进行通道拼接，生成第一融合特征和第二融合特征，包括：将所述主题拼接通道分别与所述第一特征和所述第二特征进行RGB颜色通道拼接，生成第一融合特征和第二融合特征。
[0011]可选的，所述通过所述特征还原单元将所述第一融合特征和所述第二融合特征进行图像还原，生成第一融合图像和第二融合图像，包括：对所述第一融合特征按通道进行分组，并将每组特征按通道相加，生成混洗特征；将所述混洗特征进行图像还原，生成第一融合图像；根据上述方法对所述第二融合特征进行通道分组并相加，生成第二融合图像。
[0012]可选的，在所述获取所述第一编辑文件在目标编辑区域的第一原始图像，获取所述第二编辑文件在对应所述目标编辑区域上的第二原始图像之后，使用所述特征提取单元对所述第一原始图像和所述第二原始图像进行特征提取，生成第一特征和第二特征之前，所述处理方法还包括：对所述第一原始图像和所述第二原始图像进行背景抠除处理。
[0013]本申请第二方面提供了一种多人实时编辑的处理装置，包括：第一获取单元，用于获取第一编辑文件和第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多人实时编辑的处理方法，其特征在于，包括：获取第一编辑文件和第二编辑文件，所述第一编辑文件和所述第二编辑文件为模板相同并受到编辑的文件；确定所述第一编辑文件和所述第二编辑文件的编辑主题，并通过所述编辑主题生成编辑主题参数；获取所述第一编辑文件在目标编辑区域的第一原始图像，获取所述第二编辑文件在对应所述目标编辑区域上的第二原始图像；获取卷积神经网络模型，所述卷积神经网络包括特征提取单元、特征还原单元和类型判别单元；使用所述特征提取单元对所述第一原始图像和所述第二原始图像进行特征提取，生成第一特征和第二特征；将所述编辑主题参数分别与所述第一特征和所述第二特征进行通道拼接，生成第一融合特征和第二融合特征；通过所述特征还原单元将所述第一融合特征和所述第二融合特征进行图像还原，生成第一融合图像和第二融合图像；通过所述类型判别器单元对所述第一融合图像和第二融合图像进行主题概率判定，生成主题判定结果；根据所述主题判定结果确定最优的原始图像对应的目标编辑文件，将所述目标编辑文件在所述目标编辑区域的内容确定为目标内容。2.根据权利要求1所述的处理方法，其特征在于，所述特征提取单元中包括至少两个大小不同的卷积核；所述使用所述特征提取单元对所述第一原始图像和所述第二原始图像进行特征提取，生成第一特征和第二特征，包括：通过所述特征提取单元中的3*3卷积核、5*5卷积核和7*7卷积核对所述第一原始图像进行多重特征提取，生成3*3特征数据、5*5特征数据和7*7特征数据；对所述3*3特征数据、5*5特征数据和7*7特征数据进行特征重要性判定，生成特征叠加系数；通过所述特征叠加系数将所述3*3特征数据、5*5特征数据和7*7特征数据进行通道叠加，生成第一特征；根据上述方法处理所述第二原始图像，生成第二特征。3.根据权利要求2所述的处理方法，其特征在于，所述类型判别器单元包括特征提取模块、至少两个残差提取模块和残差融合模块；所述通过所述类型判别器单元对所述第一融合图像和第二融合图像进行主题概率判定，生成主题判定结果，包括：通过所述类型判别器单元中的特征提取模块对所述第一融合图像进行特征提取，生成判别特征；将所述判别特征输入第一残差提取模块，生成第一残差；将所述第一残差输入第二残差提取模块，生成第二残差；将所述第二残差输入第二残差提取模块，生成第三残差；
通过所述残差融合模块并根据所述特征叠加系数对所述第一残差、第二残差和第三残差融合，生成目标残差；将所述目标残差通过全局平均池化层和softmax函数生成所述第一融合图像的第一主题概率；根据上述方法生成所述第二融合图像的第二主题概率；将所述第一主题概率和所述第二主题概率作为主题判定结果。4.根据权利要求1所述的处理方法，其特征在于，所述将所述编辑主题参数分别与所述第一特征和所述第二特征进行RGB颜色通道拼接，生成第一融合特征和第二融合特征，包括：计算所述编辑主题和所述模板的模板主题的第一关联度；当所述第一关联度大于第一预设阈值，获取所述模板对应的模板主题参数；计算所述编辑主题和所述目标编辑区域的区域主题的第二关联度；当所述第二关联度大于第二预设阈值，获取所述目标编辑区域对应的区域主题参数；根据所述编辑主题参数、所述模板主题参数、所述区域主题参数、所述第一关联度和所述第二关联度生成主题拼接通道；将所述主题拼接通道分别与所述第一特征和所述第二特征进行通道拼接，生成第一融合特征和第二融合特征。5.根据权利要求4所述的处理方法，其特征在于，所述将所述主题拼接通道分别与所述第一特征和所述第二特征进行通道拼接，生成第一融合特征和第二融合特征，包括：将所述主题拼接通道分别与所述第一特...

【专利技术属性】
技术研发人员：刘松，练纯科，孟小江，莫建华，
申请(专利权)人：成都摹客科技有限公司，
类型：发明
国别省市：