本发明专利技术属于计算机技术领域，公开了一种基于文本的配图方法、装置、设备及存储介质。该方法包括：对待配图文本进行特征提取，获得文本特征；获取与所述文本特征对应的目标图像生成模型；基于所述目标图像生成模型生成所述待配图文本对应的目标配图。通过上述方式，通过获取待配图文本的文本特征，从而确定与文本特征对应的目标图像生成模型，基于目标图像生成模型生成待配图文本对应的现有图库中均不存在的目标配图，不仅降低了文本配图的重复率同时提高了配图时的精确性和针对性。提高了配图时的精确性和针对性。提高了配图时的精确性和针对性。
【技术实现步骤摘要】
基于文本的配图方法、装置、设备及存储介质
[0001]本专利技术涉及计算机
，尤其涉及一种基于文本的配图方法、装置、设备及存储介质。
技术介绍
[0002]随着广告业的高速发展，人们对广告的要求越来越高。为了丰富广告呈现信息，提升用户体验以及广告的变现效率，基于广告文本进行配图是十分必要，而当前业界的广告文本自动配图方法主要是基于广告文本对自有的图库进行搜索匹配，但经常遇到配图不够精确、配图出现重复率高等问题。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供一种基于文本的配图方法、装置、设备及存储介质，旨在解决现有技术文本配图不精确且重复率高的技术问题。
[0005]为实现上述目的，本专利技术提供了一种基于文本的配图方法，所述方法包括以下步骤：
[0006]对待配图文本进行特征提取，获得文本特征；
[0007]获取与所述文本特征对应的目标图像生成模型；
[0008]基于所述目标图像生成模型生成所述待配图文本对应的目标配图。
[0009]可选地，所述获取与所述文本特征对应的目标图像生成模型，包括：
[0010]对所述文本特征进行文本分类，获得文本类型；
[0011]根据所述文本类型在初始图像生成模型中确定目标图像生成模型。
[0012]可选地，所述根据所述文本类型在初始图像生成模型中确定目标图像生成模型之前，还包括：
[0013]获取样本配图文本；
[0014]提取所述样本配图文本中的样本特征；
[0015]对各样本特征进行文本聚类，得到各样本特征对应的样本类型；
[0016]根据样本配图和各样本类型进行模型训练，得到各样本类型对应的初始图像生成模型。
[0017]可选地，所述对各样本特征进行文本聚类，得到各样本特征对应的样本类型，包括：
[0018]获取各样本特征之间的样本相似度；
[0019]若所述样本相似度超过预设相似度阈值，获取所述样本相似度超过所述预设相似度阈值对应的相似样本特征；
[0020]将各相似样本特征进行文本聚类，并根据各相似样本特征确定样本特征对应的样
本类型。
[0021]可选地，所述根据样本配图和各样本类型进行模型训练，得到各样本类型对应的初始图像生成模型，包括：
[0022]在预设数据库中查找与各样本类型分别对应的初始配图；
[0023]对所述初始配图进行清洗，得到各样本类型分别对应的样本配图；
[0024]根据所述各样本类型对应的样本配图进行模型训练，得到各样本类型对应的初始图像生成模型。
[0025]可选地，所述对所述初始配图进行清洗，得到各样本类型分别对应的样本配图，包括：
[0026]对所述初始配图进行识别，得到识别结果；
[0027]根据所述识别结果确定所述初始配图中的异常图像；
[0028]对所述异常图像进行过滤，得到各样本类型分别对应的样本配图。
[0029]可选地，所述根据所述各样本类型对应的样本配图进行模型训练，得到各样本类型对应的初始图像生成模型，包括：
[0030]将所述各样本类型对应的样本配图输入至第一生成模型，得到各样本配图对应的配图特征；
[0031]根据所述第一生成模型和所述配图特征进行训练，得到初始生成配图；
[0032]根据第一判别模型、所述第一生成模型以及初始生成配图得到各样本类型对应的初始图像生成模型。
[0033]可选地，所述根据第一判别模型、所述第一生成模型以及初始生成配图得到各样本类型对应的初始图像生成模型，包括：
[0034]根据所述第一判别模型对所述初始生成配图进行生成判断，得到判断结果；
[0035]根据所述判断结果和所述第一生成模型得到各样本类型对应的初始图像生成模型。
[0036]可选地，所述根据所述判断结果和所述第一生成模型得到各样本类型对应的初始图像生成模型，包括：
[0037]识别所述判断结果中的概率生成值；
[0038]若所述概率生成值超过预设生成值，则根据所述第一生成模型得到各样本类型对应的初始图像生成模型；
[0039]若所述概率生成值未超过所述预设生成值，则返回执行将所述各样本类型对应的样本配图输入至第一生成模型，得到各样本配图对应的配图特征的步骤及后续步骤。
[0040]可选地，所述基于所述目标图像生成模型生成所述待配图文本对应的目标配图之后，还包括：
[0041]根据所述待配图文本的文本区域确定配图区域；
[0042]根据所述配图区域确定所述目标配图的目标尺寸；
[0043]根据所述目标尺寸和所述目标配图完成所述待配图文本的配图。
[0044]此外，为实现上述目的，本专利技术还提出一种基于文本的配图装置，所述基于文本的配图装置包括：
[0045]提取模块，用于对待配图文本进行特征提取，获得文本特征；
[0046]获取模块，用于获取与所述文本特征对应的目标图像生成模型；
[0047]生成模型，用于基于所述目标图像生成模型生成所述待配图文本对应的目标配图。
[0048]可选地，所述获取模块，还用于对所述文本特征进行文本分类，获得文本类型；
[0049]根据所述文本类型在初始图像生成模型中确定目标图像生成模型。
[0050]可选地，所述获取模块，还用于获取样本配图文本；
[0051]提取所述样本配图文本中的样本特征；
[0052]对各样本特征进行文本聚类，得到各样本特征对应的样本类型；
[0053]根据样本配图和各样本类型进行模型训练，得到各样本类型对应的初始图像生成模型。
[0054]可选地，所述获取模块，还用于获取各样本特征之间的样本相似度；
[0055]若所述样本相似度超过预设相似度阈值，获取所述样本相似度超过所述预设相似度阈值对应的相似样本特征；
[0056]将各相似样本特征进行文本聚类，并根据各相似样本特征确定样本特征对应的样本类型。
[0057]可选地，所述获取模块，还用于在预设数据库中查找与各样本类型分别对应的初始配图；
[0058]对所述初始配图进行清洗，得到各样本类型分别对应的样本配图；
[0059]根据所述各样本类型对应的样本配图进行模型训练，得到各样本类型对应的初始图像生成模型。
[0060]可选地，所述获取模块，还用于对所述初始配图进行识别，得到识别结果；
[0061]根据所述识别结果确定所述初始配图中的异常图像；
[0062]对所述异常图像进行过滤，得到各样本类型分别对应的样本配图。
[0063]可选地，所述获取模块，还用于将所述各样本类型对应的样本配图输入至第一生成模型，得到各样本配图对应的配图特征；
[0064]根据所述第一生成模型和所述配图特本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于文本的配图方法，其特征在于，所述基于文本的配图方法包括：对待配图文本进行特征提取，获得文本特征；获取与所述文本特征对应的目标图像生成模型；基于所述目标图像生成模型生成所述待配图文本对应的目标配图。2.如权利要求1所述的基于文本的配图方法，其特征在于，所述获取与所述文本特征对应的目标图像生成模型，包括：对所述文本特征进行文本分类，获得文本类型；根据所述文本类型在初始图像生成模型中确定目标图像生成模型。3.如权利要求2所述的基于文本的配图方法，其特征在于，所述根据所述文本类型在初始图像生成模型中确定目标图像生成模型之前，还包括：获取样本配图文本；提取所述样本配图文本中的样本特征；对各样本特征进行文本聚类，得到各样本特征对应的样本类型；根据样本配图和各样本类型进行模型训练，得到各样本类型对应的初始图像生成模型。4.如权利要求3所述的基于文本的配图方法，其特征在于，所述对各样本特征进行文本聚类，得到各样本特征对应的样本类型，包括：获取各样本特征之间的样本相似度；若所述样本相似度超过预设相似度阈值，获取所述样本相似度超过所述预设相似度阈值对应的相似样本特征；将各相似样本特征进行文本聚类，并根据各相似样本特征确定样本特征对应的样本类型。5.如权利要求3所述的基于文本的配图方法，其特征在于，所述根据样本配图和各样本类型进行模型训练，得到各样本类型对应的初始图像生成模型，包括：在预设数据库中查找与各样本类型分别对应的初始配图；对所述初始配图进行清洗，得到各样本类型分别对应的样本配图；根据所述各样本类型对应的样本配图进行模...
【专利技术属性】
技术研发人员：王志豪，
申请(专利权)人：北京奇虎科技有限公司，
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。