CN109189544B - 用于生成表盘的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成表盘的方法和装置。用于生成表盘的方法的一具体实施方式包括：获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型；获取用户输入的参数指令，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。该实施方式实现了富于针对性地生成表盘。

Description

用于生成表盘的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成表盘的方法和装置。

背景技术

随着移动技术的发展，许多传统的电子产品也开始增加移动方面的功能，比如过去只能用来看时间的手表，现今也可以通过智能手机或家庭网络与互联网相连，显示来电信息、推特和新闻信息流、天气信息等内容。这种新手表可被称作智能手表。

目前，用户可以为智能手表设置已有的固定样式的表盘。通常，用户可以在对应的应用商店里浏览已有的固定样式的表盘，并从中选择自己喜欢的表盘，下载并应用到智能手表上。

发明内容

本申请实施例提出了用于生成表盘的方法和装置。

第一方面，本申请实施例提供了一种用于生成表盘的方法，包括：获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型；获取用户输入的参数指令，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。

在一些实施例中，确定与类型指令对应的表盘背景生成模型，包括：对类型指令进行语音识别，得到类型指令对应的文本；提取类型指令对应的文本的关键字；从预先训练的表盘背景生成模型集合中确定出与关键字匹配的表盘背景生成模型，其中，表盘背景生成模型集合中的表盘背景生成模型与类型一一对应。

在一些实施例中，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片，包括：对参数指令进行语音识别，得到参数指令对应的文本；将参数指令对应的文本输入至与类型指令对应的表盘背景生成模型，输出与参数指令对应的表盘背景图片。

在一些实施例中，表盘背景生成模型集合通过如下步骤训练得到：对于表盘背景生成模型集合中的表盘背景生成模型，获取属于该表盘背景生成模型对应的类型的训练样本集合，其中，训练样本包括样本参数和样本表盘背景图片；利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。

在一些实施例中，初始表盘背景生成模型是生成式对抗网络，生成式对抗网络包括生成模型和判别模型；以及利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型，包括：对于训练样本集合中的训练样本，将该训练样本中的样本参数输入生成模型，得到生成表盘背景图片；将生成表盘背景图片和该训练样本中的样本表盘背景图片输入判别模型，得到判别结果，其中，判别结果用于表征生成表盘背景图片和该训练样本中的样本表盘背景图片是真实表盘背景图片的概率；基于判别结果调整生成模型和判别模型的参数。

在一些实施例中，训练样本集合通过如下步骤得到：获取属于该表盘背景生成模型对应的类型的原始图片集合，其中，原始图片包括表盘背景区域；对于原始图片集合中的原始图片，从该原始图片中截取出表盘背景区域；利用图像处理技术去除截取出的表盘背景区域的毛边，得到该原始图片对应的样本表盘背景图片；提取该原始图片对应的样本表盘背景图片的参数，得到该原始图片对应的样本参数。

第二方面，本申请实施例提供了一种用于生成表盘的装置，包括：确定单元，被配置成获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型；第一生成单元，被配置成获取用户输入的参数指令，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；第二生成单元，被配置成获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。

在一些实施例中，确定单元包括：第一识别模块，被配置成对类型指令进行语音识别，得到类型指令对应的文本；提取模块，被配置成提取类型指令对应的文本的关键字；确定模块，被配置成从预先训练的表盘背景生成模型集合中确定出与关键字匹配的表盘背景生成模型，其中，表盘背景生成模型集合中的表盘背景生成模型与类型一一对应。

在一些实施例中，第一生成单元包括：第二识别模块，被配置成对参数指令进行语音识别，得到参数指令对应的文本；输入模块，被配置成将参数指令对应的文本输入至与类型指令对应的表盘背景生成模型，输出与参数指令对应的表盘背景图片。

在一些实施例中，表盘背景生成模型集合通过如下步骤训练得到：对于表盘背景生成模型集合中的表盘背景生成模型，获取属于该表盘背景生成模型对应的类型的训练样本集合，其中，训练样本包括样本参数和样本表盘背景图片；利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。

在一些实施例中，初始表盘背景生成模型是生成式对抗网络，生成式对抗网络包括生成模型和判别模型；以及利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型，包括：对于训练样本集合中的训练样本，将该训练样本中的样本参数输入生成模型，得到生成表盘背景图片；将生成表盘背景图片和该训练样本中的样本表盘背景图片输入判别模型，得到判别结果，其中，判别结果用于表征生成表盘背景图片和该训练样本中的样本表盘背景图片是真实表盘背景图片的概率；基于判别结果调整生成模型和判别模型的参数。

在一些实施例中，训练样本集合通过如下步骤得到：获取属于该表盘背景生成模型对应的类型的原始图片集合，其中，原始图片包括表盘背景区域；对于原始图片集合中的原始图片，从该原始图片中截取出表盘背景区域；利用图像处理技术去除截取出的表盘背景区域的毛边，得到该原始图片对应的样本表盘背景图片；提取该原始图片对应的样本表盘背景图片的参数，得到该原始图片对应的样本参数。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于生成表盘的方法和装置，首先在获取到用户输入的类型指令时，确定与类型指令对应的表盘背景生成模型；然后在获取到用户输入的参数指令时，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片；最后获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。根据用户的喜好选择对应类型的表盘背景生成模型，根据用户的需求利用选择出的表盘背景生成模型生成表盘，实现了富于针对性地生成表盘。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成表盘的方法的一个实施例的流程图；

图3A是类型输入页面的示意图；

图3B是参数输入页面的示意图；

图4是根据本申请的用于生成表盘的方法的又一个实施例的流程图；

图5A是图4所提供的用于生成表盘的方法的一个应用场景的示意图；

图5B是图4所提供的用于生成表盘的方法的又一个应用场景的示意图；

图6是根据本申请的表盘背景生成模型集合训练方法的一个实施例的流程图；

图7是根据本申请的用于生成表盘的装置的一个实施例的结构示意图；

图8是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成表盘的方法或者用于生成表盘的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手表、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

在一些实施例中，终端设备101可以接收用户输入的类型指令和参数指令，并对其进行分析等处理，并将处理结果(例如表盘)显示在终端设备101的显示屏上。这里，本申请实施例所提供的用于生成表盘的方法由终端设备101执行，相应地，用于生成表盘的装置设置于终端设备101中。此时，系统架构100可以不包括服务器103。

在一些实施例中，服务器103可以提供各种服务，例如服务器103可以接收终端设备101发送的类型指令和参数指令，并对其进行分析等处理，并将处理结果(例如表盘)发送给终端设备101，以使终端设备101的显示屏上显示处理结果。这里，本申请实施例所提供的用于生成表盘的方法由服务器103执行，相应地，用于生成表盘的装置设置于服务器103中。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于生成表盘的方法的一个实施例的流程200。该用于生成表盘的方法包括以下步骤：

步骤201，获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型。

在本实施例中，用于生成表盘的方法的执行主体(例如图1所示的终端设备101或服务器103)可以获取用户输入的类型指令，并根据用户输入的类型指令确定出与类型指令对应的表盘背景生成模型。其中，上述执行主体可以是终端设备，也可以是服务器。若上述执行主体是终端设备，则终端设备可以实时检测用户输入的类型指令。当检测到用户输入类型指令时，基于类型指令确定对应的表盘背景生成模型。若上述执行主体是服务器，则终端设备可以实时检测用户输入的类型指令。当检测到用户输入类型指令时，将用户输入的类型指令发送至服务器。服务器基于接收到的类型指令确定对应的表盘背景生成模型。

通常，用户可以通过多种方式输入类型指令。例如，终端设备上可以显示类型输入页面。类型输入页面上可以显示出表盘背景类型集合。用户可以根据自己的喜好从表盘背景类型集合中选取出自己喜欢的表盘背景类型。作为示例，图3A示出了类型输入页面的示意图。其中，图3A的类型输入页面上显示出的表盘背景类型包括经典类型、自然风景类型、天气类型、动漫人脸类型、动物类型、名胜古迹类型、运动类型、美食类型和兵器类型。当用户点击类型输入页面上的一个表盘背景类型时，即可生成类型指令。其中，类型指令中可以包括用户点击的表盘背景类型。

在本实施例中，上述执行主体可以预先训练表盘背景生成模型集合。其中，表盘背景生成模型集合中的表盘背景生成模型可以与类型一一对应。对于与一种类型对应的表盘背景生成模型，表盘背景生成模型可以用于生成该类型的表盘背景图片。例如，经典类型对应经典表盘背景生成模型、自然风景类型对应自然风景表盘背景生成模型、天气类型对应天气表盘背景生成模型、动漫人脸类型对应动漫人脸表盘背景生成模型、动物类型对应动物表盘背景生成模型、名胜古迹类型对应名胜古迹表盘背景生成模型、运动类型对应运动表盘背景生成模型、美食类型对应美食表盘背景生成模型、兵器类型对应兵器表盘背景生成模型。上述执行主体可以根据用户输入的类型指令中的表盘背景类型，确定出表盘背景类型对应的表盘背景生成模型，并利用确定出的表盘背景生成模型生成对应类型的表盘背景图片。

步骤202，获取用户输入的参数指令，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片。

在本实施例中，上述执行主体可以获取用户输入的参数指令，并基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片。例如，上述执行主体可以将参数指令输入至与类型指令对应的表盘背景生成模型，从而输出与参数指令对应的表盘背景图片。

这里，表盘背景生成模型可以用于生成表盘背景图片，表征参数指令与表盘背景图片之间的对应关系。

在本实施例的一些可选的实现方式中，表盘背景生成模型可以是本领域技术人员对大量样本参数以及样本表盘背景图片进行统计分析，而得到的存储有多个样本参数与样本表盘背景图片的对应关系表。此时，上述执行主体可以将参数指令中的参数与该对应关系表中的各个样本参数进行匹配，确定匹配成功的样本参数，并从该对应关系表中得到匹配成功的样本参数对应的样本表盘背景图片作为与参数指令对应的表盘背景图片。

在本实施例的一些可选的实现方式中，表盘背景生成模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种人工神经网络等)进行有监督或无监督训练而得到的。此时，上述执行主体可以将参数指令输入至表盘背景生成模型，经过向量转换和卷积计算，从而输出与参数指令对应的表盘背景图片。

通常，用户可以通过多种方式输入参数指令。例如，终端设备上可以显示参数输入页面。参数输入页面上可以显示出各种元素的参数。用户可以根据自己的需求从中选取出自己喜欢的元素的参数。作为示例，图3B示出了参数输入页面的示意图。其中，图3B的参数输入页面上显示出的元素包括发色、发型、眼睛颜色、脸红、微笑、张嘴、帽子。其中，发色的参数包括黑色、棕色、白色、红色。发型的参数包括长发、短发、马尾、螺卷。眼睛颜色的参数包括黑色、蓝色、粉色、绿色。脸红的参数包括开、关、随机。微笑的参数包括开、关、随机。张嘴的参数包括开、关、随机。帽子的参数包括开、关、随机。当用户点击参数输入页面上的一个或多个元素的参数时，即可生成参数指令。其中，参数指令中可以包括用户点击的一个或多个元素的参数。

步骤203，获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。

在本实施例中，上述执行主体可以获取表盘数据，并加载到与参数指令对应的表盘背景图片上，以生成表盘。其中，表盘数据可以是表盘的基本信息，包括但不限于时间、日期、天气、运动步数、心跳实时温度、最高最低温度、PM2.5等等。通常，动漫人脸表盘的表盘数据可以包括时间和日期，天气表盘的表盘数据可以包括时间、实时温度、最高最低温度和PM2.5。运动表盘的表盘数据可以包括时间、运动步数和心跳。其中，上述执行主体可以是终端设备，也可以是服务器。若上述执行主体是终端设备，则终端设备的屏幕上可以显示表盘。若上述执行主体是服务器，则服务器可以将表盘发送至终端设备，以使终端设备进行显示。

本申请实施例提供的用于生成表盘的方法，首先在获取到用户输入的类型指令时，确定与类型指令对应的表盘背景生成模型；然后在获取到用户输入的参数指令时，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片；最后获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。根据用户的喜好选择对应类型的表盘背景生成模型，根据用户的需求利用选择出的表盘背景生成模型生成表盘，实现了富于针对性地生成表盘。

进一步参考图4，其示出了用于生成表盘的方法的又一个实施例的流程400。该用于生成表盘的方法的流程400，包括以下步骤：

步骤401，获取用户输入的类型指令，对类型指令进行语音识别，得到类型指令对应的文本。

在本实施例中，用于生成表盘的方法的执行主体(例如图1所示的终端设备101或服务器103)可以获取用户输入的类型指令，并对类型指令进行语音识别，从而得到类型指令对应的文本。这里，用户可以通过语音方式输入类型指令。例如，用户可以对着终端设备说出“动漫人脸表盘”，即输入了类型指令。

步骤402，提取类型指令对应的文本的关键字。

在本实施例中，上述执行主体可以提取类型指令对应的文本的关键字。其中，关键字可以用于表征类型指令对应的文本的主要信息。

步骤403，从预先训练的表盘背景生成模型集合中确定出与关键字匹配的表盘背景生成模型。

在本实施例中，上述执行主体可以将关键字与预先训练的表盘背景生成模型集合中的每个表盘背景生成模型对应的类型进行匹配，以确定出与关键字匹配的表盘背景生成模型。其中，表盘背景生成模型集合中的表盘背景生成模型可以与类型一一对应。

步骤404，获取用户输入的参数指令，对参数指令进行语音识别，得到参数指令对应的文本。

在本实施例中，上述执行主体可以获取用户输入的参数指令，并对参数指令进行语音识别，得到参数指令对应的文本。这里，用户可以通过语音方式输入参数指令。例如，用户可以对着终端设备说出“黑黑头发、短发、蓝眼睛”，即输入了参数指令。

步骤405，将参数指令对应的文本输入至与类型指令对应的表盘背景生成模型，输出与参数指令对应的表盘背景图片。

在本实施例中，上述执行主体可以将参数指令对应的文本输入至与类型指令对应的表盘背景生成模型，从而输出与参数指令对应的表盘背景图片。这里，表盘背景生成模型可以用于生成表盘背景图片，表征参数指令对应的文本与表盘背景图片之间的对应关系。

步骤406，获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。

在本实施例中，步骤406的具体操作与图2所示的实施例中步骤203的操作基本相同，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成表盘的方法的流程400突出了用户通过语音方式输入类型指令和参数指令的步骤。由此，本实施例描述的方案中，用户能够通过语音方式输入类型指令和参数指令，从而简化了用户操作。

继续参见图5A，图5A是图4所提供的用于生成表盘的方法的一个应用场景的示意图。在图5A所示的应用场景中，用户佩戴方形智能手表，想要将表盘更换为动漫人脸表盘。此时，用户对着智能手表说话“动漫人脸表盘，金色头发，长发，蓝眼睛”。智能手表接收到输入指令，根据“动漫人脸表盘”匹配到动漫人脸表盘对应的表盘背景生成模型，将“金色头发，长发，蓝眼睛”输入到匹配的表盘背景生成模型，输出一个具有金色头发、长发、蓝眼睛的动漫人脸图片。最后将系统日期时间加载到动漫人脸图片上，生成表盘。

继续参见图5B，图5B是图4所提供的用于生成表盘的方法的又一个应用场景的示意图。在图5B所示的应用场景中，用户佩戴圆形智能手表，想要将表盘更换为天气表盘。此时，用户对着智能手表说话“天气表盘，荷花，池塘”。智能手表接收到输入指令，根据“天气表盘”匹配到天气表盘对应的表盘背景生成模型，将“荷花，池塘”输入到匹配的表盘背景生成模型，输出一个具有荷花、池塘的天气背景图片。最后将系统日期时间加载到天气背景图片上，生成表盘。

本申请实施例还提供了用于生成表盘的方法的另一个应用场景。具体地，用户手持手机，并打开手机上的虚拟表盘，想要将虚拟表盘更换为天气表盘。此时，用户对着虚拟表盘说话“天气表盘，荷花，池塘”。虚拟表盘接收到输入指令，根据“天气表盘”匹配到天气表盘对应的表盘背景生成模型，将“荷花，池塘”输入到匹配的表盘背景生成模型，输出一个具有荷花、池塘的天气背景图片。最后将系统日期时间、当前温度、天气、最高最低温度和PM2.5加载到天气背景图片上，生成虚拟表盘，显示在手机上。

继续参考图6，其示出了根据本申请的表盘背景生成模型集合生成方法的一个实施例的流程600。该表盘背景生成模型集合生成方法包括以下步骤：

步骤601，对于表盘背景生成模型集合中的表盘背景生成模型，获取属于该表盘背景生成模型对应的类型的训练样本集合。

在本实施例中，对于表盘背景生成模型集合中的每种表盘背景生成模型，表盘背景生成模型集合生成方法的执行主体(例如图1所示的终端设备101和服务器103)可以获取属于该种表盘背景生成模型对应的类型的训练样本集合。其中，训练样本集合中的每个训练样本可以包括样本参数和样本表盘背景图片。这里，本领域技术人员可以对样本表盘背景图片进行分析，从而得到样本表盘背景图片的参数作为样本参数。

在本实施例的一些可选的实现方式中，训练样本集合可以通过如下步骤得到：

首先，获取属于该表盘背景生成模型对应的类型的原始图片集合。

其中，原始图片可以包括表盘背景区域。通常，可以利用爬虫代码从一些图片资源网站上爬取大量的原始图片。爬取一段时间后，可以得到数万张原始图片。

之后，对于原始图片集合中的原始图片，从该原始图片中截取出表盘背景区域。

这里，可以去除掉原始图片中的多余区域，从而得到表盘背景区域。

然后，利用图像处理技术去除截取出的表盘背景区域的毛边，得到该原始图片对应的样本表盘背景图片。

最后，提取该原始图片对应的样本表盘背景图片的参数，得到该原始图片对应的样本参数。

步骤602，利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。

在本实施例中，上述执行主体可以利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。其中，初始表盘背景生成模型可以是未经训练或未训练完成的表盘背景生成模型。这里，对于未经训练的表盘背景生成模型，其各个参数(例如，权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证模型不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证模型可以正常地学习。对于未训练完成的表盘背景生成模型，其各个参数可以是被调整后参数，但是该表盘背景生成模型的生成效果通常尚未满足预先设置的约束条件。

在本实施例的一些可选的实现方式中，表盘背景生成模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型进行有监督训练而得到的。此时，上述执行主体可以将样本参数作为输入，将样本表盘背景图片作为输出，对初始表盘背景生成模型进行训练，从而得到表盘背景生成模型。

在本实施例的一些可选的实现方式中，表盘背景生成模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型进行无监督训练而得到的。此时，初始表盘背景生成模型可以是生成式对抗网络(Generative Adversarial Networks，GAN)，GAN可以包括生成模型(Generative Model)和判别模型(Discriminative Model)。生成模型和判别模型的互相博弈学习产生相当好的输出。此时，对于训练样本集合中的训练样本，上述执行主体可以首先将该训练样本中的样本参数输入生成模型，得到生成表盘背景图片；然后将生成表盘背景图片和该训练样本中的样本表盘背景图片输入判别模型，得到判别结果；最后基于判别结果调整生成模型和判别模型的参数。其中，判别结果可以用于表征生成表盘背景图片和该训练样本中的样本表盘背景图片是真实表盘背景图片的概率。

进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种用于生成表盘的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的用于生成表盘的装置700可以包括：确定单元701、第一生成单元702和第二生成单元703。其中，确定单元701，被配置成获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型；第一生成单元702，被配置成获取用户输入的参数指令，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；第二生成单元703，被配置成获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。

在本实施例中，用于生成表盘的装置700中：确定单元701、第一生成单元702和第二生成单元703的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，确定单元701包括：第一识别模块(图中未示出)，被配置成对类型指令进行语音识别，得到类型指令对应的文本；提取模块(图中未示出)，被配置成提取类型指令对应的文本的关键字；确定模块(图中未示出)，被配置成从预先训练的表盘背景生成模型集合中确定出与关键字匹配的表盘背景生成模型，其中，表盘背景生成模型集合中的表盘背景生成模型与类型一一对应。

在本实施例的一些可选的实现方式中，第一生成单元702包括：第二识别模块(图中未示出)，被配置成对参数指令进行语音识别，得到参数指令对应的文本；输入模块(图中未示出)，被配置成将参数指令对应的文本输入至与类型指令对应的表盘背景生成模型，输出与参数指令对应的表盘背景图片。

在本实施例的一些可选的实现方式中，表盘背景生成模型集合通过如下步骤训练得到：对于表盘背景生成模型集合中的表盘背景生成模型，获取属于该表盘背景生成模型对应的类型的训练样本集合，其中，训练样本包括样本参数和样本表盘背景图片；利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。

在本实施例的一些可选的实现方式中，初始表盘背景生成模型是生成式对抗网络，生成式对抗网络包括生成模型和判别模型；以及利用机器学习方法，基于训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型，包括：对于训练样本集合中的训练样本，将该训练样本中的样本参数输入生成模型，得到生成表盘背景图片；将生成表盘背景图片和该训练样本中的样本表盘背景图片输入判别模型，得到判别结果，其中，判别结果用于表征生成表盘背景图片和该训练样本中的样本表盘背景图片是真实表盘背景图片的概率；基于判别结果调整生成模型和判别模型的参数。

在本实施例的一些可选的实现方式中，训练样本集合通过如下步骤得到：获取属于该表盘背景生成模型对应的类型的原始图片集合，其中，原始图片包括表盘背景区域；对于原始图片集合中的原始图片，从该原始图片中截取出表盘背景区域；利用图像处理技术去除截取出的表盘背景区域的毛边，得到该原始图片对应的样本表盘背景图片；提取该原始图片对应的样本表盘背景图片的参数，得到该原始图片对应的样本参数。

下面参考图8，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的终端设备101或服务器103)的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元、第一生成单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用户输入的类型指令，确定与类型指令对应的表盘背景生成模型；获取用户输入的参数指令，基于参数指令和与类型指令对应的表盘背景生成模型，得到与参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；获取表盘数据，以及将表盘数据加载到与参数指令对应的表盘背景图片上，生成表盘。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于生成表盘的方法，包括：

获取用户输入的类型指令，从预先训练的表盘背景生成模型集合中确定与所述类型指令对应的表盘背景生成模型，其中，所述表盘背景生成模型集合中的表盘背景生成模型与类型一一对应；

获取所述用户输入的参数指令，基于所述参数指令和与所述类型指令对应的表盘背景生成模型，得到与所述参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；

获取表盘数据，以及将所述表盘数据加载到与所述参数指令对应的表盘背景图片上，生成表盘。

2.根据权利要求1所述的方法，其中，所述确定与所述类型指令对应的表盘背景生成模型，包括：

对所述类型指令进行语音识别，得到所述类型指令对应的文本；

提取所述类型指令对应的文本的关键字；

从所述表盘背景生成模型集合中确定出与所述关键字匹配的表盘背景生成模型。

3.根据权利要求1所述的方法，其中，所述基于所述参数指令和与所述类型指令对应的表盘背景生成模型，得到与所述参数指令对应的表盘背景图片，包括：

对所述参数指令进行语音识别，得到所述参数指令对应的文本；

将所述参数指令对应的文本输入至与所述类型指令对应的表盘背景生成模型，输出与所述参数指令对应的表盘背景图片。

4.根据权利要求2或3所述的方法，其中，所述表盘背景生成模型集合通过如下步骤训练得到：

对于所述表盘背景生成模型集合中的表盘背景生成模型，获取属于该表盘背景生成模型对应的类型的训练样本集合，其中，训练样本包括样本参数和样本表盘背景图片；

利用机器学习方法，基于所述训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。

5.根据权利要求4所述的方法，其中，所述初始表盘背景生成模型是生成式对抗网络，所述生成式对抗网络包括生成模型和判别模型；以及

所述利用机器学习方法，基于所述训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型，包括：

对于所述训练样本集合中的训练样本，将该训练样本中的样本参数输入所述生成模型，得到生成表盘背景图片；

将所述生成表盘背景图片和该训练样本中的样本表盘背景图片输入所述判别模型，得到判别结果，其中，所述判别结果用于表征所述生成表盘背景图片和该训练样本中的样本表盘背景图片是真实表盘背景图片的概率；

基于所述判别结果调整所述生成模型和所述判别模型的参数。

6.根据权利要求4所述的方法，其中，所述训练样本集合通过如下步骤得到：

获取属于该表盘背景生成模型对应的类型的原始图片集合，其中，原始图片包括表盘背景区域；

对于所述原始图片集合中的原始图片，从该原始图片中截取出表盘背景区域；

利用图像处理技术去除截取出的表盘背景区域的毛边，得到该原始图片对应的样本表盘背景图片；

提取该原始图片对应的样本表盘背景图片的参数，得到该原始图片对应的样本参数。

7.一种用于生成表盘的装置，包括：

确定单元，被配置成获取用户输入的类型指令，从预先训练的表盘背景生成模型集合中确定与所述类型指令对应的表盘背景生成模型，其中，所述表盘背景生成模型集合中的表盘背景生成模型与类型一一对应；

第一生成单元，被配置成获取所述用户输入的参数指令，基于所述参数指令和与所述类型指令对应的表盘背景生成模型，得到与所述参数指令对应的表盘背景图片，其中，表盘背景生成模型用于生成表盘背景图片；

第二生成单元，被配置成获取表盘数据，以及将所述表盘数据加载到与所述参数指令对应的表盘背景图片上，生成表盘。

8.根据权利要求7所述的装置，其中，所述确定单元包括：

第一识别模块，被配置成对所述类型指令进行语音识别，得到所述类型指令对应的文本；

提取模块，被配置成提取所述类型指令对应的文本的关键字；

确定模块，被配置成从所述表盘背景生成模型集合中确定出与所述关键字匹配的表盘背景生成模型。

9.根据权利要求7所述的装置，其中，所述第一生成单元包括：

第二识别模块，被配置成对所述参数指令进行语音识别，得到所述参数指令对应的文本；

输入模块，被配置成将所述参数指令对应的文本输入至与所述类型指令对应的表盘背景生成模型，输出与所述参数指令对应的表盘背景图片。

10.根据权利要求8或9所述的装置，其中，所述表盘背景生成模型集合通过如下步骤训练得到：

对于所述表盘背景生成模型集合中的表盘背景生成模型，获取属于该表盘背景生成模型对应的类型的训练样本集合，其中，训练样本包括样本参数和样本表盘背景图片；

利用机器学习方法，基于所述训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型。

11.根据权利要求10所述的装置，其中，所述初始表盘背景生成模型是生成式对抗网络，所述生成式对抗网络包括生成模型和判别模型；以及

所述利用机器学习方法，基于所述训练样本集合对初始表盘背景生成模型进行训练，得到该表盘背景生成模型，包括：

对于所述训练样本集合中的训练样本，将该训练样本中的样本参数输入所述生成模型，得到生成表盘背景图片；

将所述生成表盘背景图片和该训练样本中的样本表盘背景图片输入所述判别模型，得到判别结果，其中，所述判别结果用于表征所述生成表盘背景图片和该训练样本中的样本表盘背景图片是真实表盘背景图片的概率；

基于所述判别结果调整所述生成模型和所述判别模型的参数。

12.根据权利要求10所述的装置，其中，所述训练样本集合通过如下步骤得到：

获取属于该表盘背景生成模型对应的类型的原始图片集合，其中，原始图片包括表盘背景区域；

对于所述原始图片集合中的原始图片，从该原始图片中截取出表盘背景区域；

利用图像处理技术去除截取出的表盘背景区域的毛边，得到该原始图片对应的样本表盘背景图片；

提取该原始图片对应的样本表盘背景图片的参数，得到该原始图片对应的样本参数。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。

Images