CN110489933A - 一种平面设计框架的生成方法及系统 - Google Patents
一种平面设计框架的生成方法及系统 Download PDFInfo
- Publication number
- CN110489933A CN110489933A CN201910887663.2A CN201910887663A CN110489933A CN 110489933 A CN110489933 A CN 110489933A CN 201910887663 A CN201910887663 A CN 201910887663A CN 110489933 A CN110489933 A CN 110489933A
- Authority
- CN
- China
- Prior art keywords
- frame
- scoring
- design
- inferior
- planar design
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Character Input (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种平面设计框架的生成方法及系统,获取平面设计数据库中的原始平面设计框架;提取原始平面设计框架的框架图层信息;将框架图层信息输入GAN,结合原始平面设计框架,生成多个新平面设计框架;对新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,确定评分小于阈值的新平面设计框架为劣质框架;对劣质框架进行元素调整直至调整后的劣质框架的评分大于阈值,确定调整后的劣质框架为优质框架。本方案中,利用数据库的原始平面设计框架的框架图层信息,结合GAN生成多个新平面设计框架,对新平面设计框架进行评分以区分优质框架和劣质框架,不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
Description
技术领域
本发明涉及平面设计技术领域,具体涉及一种平面设计框架的生成方法及系统。
背景技术
随着科学技术的发展,平面设计框架的用途越来越广泛,例如将平面设计框架应用于商品标识、出版物、广告牌和海报等。
在设计平面设计框架时,通常需要平面设计师利用专业设计软件对不同图片、文字和logo等元素进行排版,从而得到相应的平面设计框架。但是一方面,人工设计平面设计框架受个人主观经验和审美风格影响,设计出来的平面设计框架往往不能满足客户的要求,需要进行多次修改,耗费大量时间和人工成本。另一方面由于用于进行平面设计的元素数量种类繁多,平面设计师需从海量元素中选择合适的元素进行平面设计,需耗费大量时间,导致出图效率低。
因此,采取人工设计平面设计框架的方式存在时间长、效率低和成本高等问题。
发明内容
有鉴于此,本发明实施例提供一种平面设计框架的生成方法及系统,以解决采取人工设计平面设计框架的方式存在时间长、效率低和成本高等问题。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开一种平面设计框架的生成方法,所述方法包括:
获取预设平面设计数据库中的原始平面设计框架;
提取所述原始平面设计框架的框架图层信息,所述框架图层信息至少包括:图文元素标签、图文元素坐标和图文元素大小;
将所述框架图层信息输入预设的生成式对抗网络,生成多个新平面设计框架;
基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架;
对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。
优选的,所述原始平面设计框架的格式为PSD、PDF、jpg或png,所述提取所述原始平面设计框架的框架图层信息,包括:
对格式为PSD的所述原始平面设计框架进行解析,提取所述原始平面设计框架的框架图层信息;或,
若所述原始平面设计框架的格式为PDF,将所述原始平面设计框架的格式转换为jpg或png;
利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息。
优选的,所述基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架,包括:
针对所述多个新平面设计框架的每一新平面设计框架,利用预设的多项评分条件,依次判断所述新平面设计框架是否满足所述多项评分条件的每一项,确定所述新平面设计框架的评分,所述多项评分条件至少包括文本对齐、框架留白、元素重叠、元素平衡、字体大小和图形大小;
确定评分大于阈值的新平面设计框架为优质框架;
确定评分小于所述阈值的新平面设计框架为劣质框架。
优选的,所述对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架,包括:
针对所述劣质框架,对所述劣质框架进行对齐调整、去重叠调整、平衡调整和放大调整;
确定调整后的劣质框架的评分;
若调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架;
若调整后的劣质框架的评分小于所述阈值,返回执行调整这一步骤。
优选的,所述利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息,包括:
利用所述目标检测模型,将格式为jpg或png的所述原始平面设计框架裁剪为预设尺寸的裁剪图片;
根据所述目标检测模型的分类器,提取所述裁剪图片中的图文元素标签;
根据所述目标检测模型的回归器,提取所述裁剪图片中的图文元素坐标和图文元素大小。
优选的,所述方法还包括:
将所述优质框架回溯至所述生成式对抗网络。
本发明实施例第二方面公开一种平面设计框架的生成系统,所述系统包括:
获取单元,用于获取预设平面设计数据库中的原始平面设计框架;
提取单元,用于提取所述原始平面设计框架的框架图层信息,所述框架图层信息至少包括:图文元素标签、图文元素坐标和图文元素大小;
生成单元,用于将所述框架图层信息输入预设的生成式对抗网络,,生成多个新平面设计框架;
评分单元,用于基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架;
调整单元,用于对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。
优选的,所述原始平面设计框架的格式为PSD、PDF、jpg或png,所述提取单元包括:
解析模块,用于对格式为PSD的所述原始平面设计框架进行解析,提取所述原始平面设计框架的框架图层信息;
转换模块,用于若所述原始平面设计框架的格式为PDF,将所述原始平面设计框架的格式转换为jpg或png;
提取模块,用于利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息。
优选的,所述评分单元包括:
评分模块,用于针对所述多个新平面设计框架的每一新平面设计框架,利用预设的多项评分条件,依次判断所述新平面设计框架是否满足所述多项评分条件的每一项,确定所述新平面设计框架的评分,所述多项评分条件至少包括文本对齐、框架留白、元素重叠、元素平衡、字体大小和图形大小;
确定模块,用于确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架。
优选的,所述调整单元具体用于:
调整模块,用于针对所述劣质框架,对所述劣质框架进行对齐调整、去重叠调整、平衡调整和放大调整;
相应的,执行所述评分单元确定调整后的劣质框架的评分;
处理模块,用于若调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架,若调整后的劣质框架的评分小于所述阈值,返回执行所述调整模块。
基于上述本发明实施例提供的一种平面设计框架的生成方法及系统,该方法为:获取预设平面设计数据库中的原始平面设计框架;提取原始平面设计框架的框架图层信息;将框架图层信息输入生成式对抗网络(Generative Adversarial Networks,GAN),生成多个新平面设计框架;基于预设评分规则,对多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,确定评分小于阈值的新平面设计框架为劣质框架;对劣质框架进行元素调整直至调整后的劣质框架的评分大于阈值,确定调整后的劣质框架为优质框架。本方案中,利用数据库的原始平面设计框架的框架图层信息,结合生成式对抗网络生成多个新的新平面设计框架。对每个新平面设计框架进行评分以区分优质框架和劣质框架,并将劣质框架进行调整直至将劣质框架调整为优质框架。不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种平面设计框架的生成方法的流程图;
图2为本发明实施例提供的生成新平面设计框架的原理图;
图3为本发明实施例提供的提取原始平面设计框架的框架图层信息的流程图;
图4为本发明实施例提供的提取原始平面设计框架的框架图层信息的原理图;
图5为本发明实施例提供的调整劣质框架的流程图;
图6为本发明实施例提供的平面设计框架的生成方法的流程示意图;
图7为本发明实施例提供的一种平面设计框架的生成系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,人工设计平面设计框架受个人主观经验和审美风格影响,设计出来的平面设计框架往往不能满足客户的要求,需要进行多次修改,耗费大量时间和人工成本。同时,由于用于进行平面设计的元素数量种类繁多,平面设计师需从海量元素中选择合适的元素进行平面设计,需耗费大量时间,导致出图效率低。
因此,本发明实施例提供一种平面设计框架的生成方法及系统,利用数据库的原始平面设计框架的框架图层信息,结合生成式对抗网络生成多个新平面设计框架,对新平面设计框架进行评分以区分优质框架和劣质框架,不需要人工进行平面设计,以减少设计时长、提高设计效率和降低设计成本。
参见图1,示出了本发明实施例提供的一种平面设计框架的生成方法的流程图,所述生成方法包括以下步骤:
步骤S101:获取预设平面设计数据库中的原始平面设计框架。
在具体实现步骤S101的过程中,预先收集海量的原始平面设计框架,通过收集得到的海量原始平面设计框架构建平面设计数据库。
需要说明的是,所述平面设计数据库中包括但不仅限于:文件格式为PSD、PDF、jpg或png的原始平面设计框架。
步骤S102:提取所述原始平面设计框架的框架图层信息。
需要说明的是,所述框架图层信息至少包括:图文元素标签、图文元素坐标和图文元素大小。图文元素的类型包括:项目logo、主标题、副标题和图形组合等,图文元素的类型并不仅限于前述提及的内容,在本发明实施例中对于图文元素的类型就不一一举例说明。
进一步需要说明的是,平面设计框架由多个图文元素对应的元素框构成。
图文元素坐标指:图文元素的元素框的四个顶点在平面设计框架中的坐标。
图文元素大小和图文元素位置由图文元素的元素框的四个顶点坐标确定。
图文元素标签指:图文元素的类别。
在具体实现步骤S102的过程中,由前述步骤S101中示出的内容可知,所述原始平面设计框架的格式为PSD、PDF、jpg或png。对于不同格式的所述原始平面设计框架而言,提取该原始平面设计框架对应的框架图层信息的方式不同。具体提取方式为:
对于格式为PSD的所述原始平面设计框架,对该原始平面设计框架进行PSD解析,得到该原始平面设计框架的框架图层信息。
对于格式为PDF的所述原始平面设计框架,将该原始平面设计框架的格式从PDF转换为jpg或png。
对于格式为jpg或png的所述原始平面设计框架,利用预设的目标检测模型,提取该原始平面设计框架的框架图层信息。
步骤S103:将所述框架图层信息输入预设的生成式对抗网络,生成多个新平面设计框架。
在具体实现步骤S103的过程中,将提取得到的所述框架图层信息输入预设的生成式对抗网络,结合所述平面设计数据库中的原始平面设计框架,生成多个新平面设计框架。
需要说明的是,所述生成式对抗网络包含生成网络G(generator)和判别网络D(discriminator)。在利用所述生成式对抗网络生成多个新平面设计框架时,所述生成网络根据所述框架图层信息生成平面设计框架,将每个生成的平面设计框架通过所述判别网络与原始平面设计框架进行博弈,不断修正所述生成网络对应的参数,使所述生成网络生成的平面设计框架与所述原始平面设计框架的差别在预设范围内,最终输出多个所述新平面设计框。
即结合所述平面设计数据库中的原始平面设计框架,使所述生成网络和判别网络不断进行博弈,最终确定纳什均衡点。
为更好解释说明上述涉及到的所述生成网络和判别网络的博弈,通过图2示出的生成新平面设计框架的原理图进行举例说明。
在所述图2中,生成器根据提取得到的所述框架图层信息生成平面设计框架,将所述生成器生成的平面设计框架通过判别器与平面设计库中的数据进行博弈,判断所述生成器生成的平面设计框架与所述平面设计数据库中的数据之间的真假,最终生成新平面设计框架。
需要说明的是,图2中所示出的内容仅用于举例说明。
步骤S104:基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架。
在具体实现步骤S104的过程中,通过所述生成式对抗网络生成多个新平面设计框架后,需要通过预设评分规则对每个所述新平面设计框架进行评分,以区分多个所述新平面设计框架中的优质框架和劣质框架。具体评分方式详见以下说明:
预先设置多项评分条件,所述多项评分条件包括但不仅限于:文本对齐、框架留白、元素重叠、元素平衡、字体大小和图形大小。需要说明的是,所述评分条件的具体内容可用技术人员根据实际情况进行设置,在本发明实施例中不做具体限定。
对于每个所述新平面设计框架,判断该新平面设计框架是否满足所述多项评分条件的每一项,该新平面设计框架每满足一项所述评分条件,该新平面设计框架的评分增加预设分值,不满足评分条件则不增加分值,确定该新平面设计框架的评分。
确定评分大于阈值的新平面设计框架为优质框架。
确定评分小于所述阈值的新平面设计框架为劣质框架。
步骤S105:对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。
需要说明的是,劣质框架通常存在文本元素不对齐、元素间重叠、布局失衡和尺寸过小等问题。
在具体实现步骤S105的过程中,对于所述劣质框架,对该劣质框架不断进行元素调整,直至将该劣质调整为优质框架。
优选的,将前述得到的每一所述优质框架回溯至所述生成式对抗网络,从而获取更多的优质框架。
在本发明实施例中,利用数据库的原始平面设计框架的框架图层信息,结合生成式对抗网络生成多个新的新平面设计框架。对每个新平面设计框架进行评分以区分优质框架和劣质框架,并将劣质框架进行调整直至将劣质框架调整为优质框架。不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
上述本发明实施例图1步骤S102中涉及的提取格式为jpg或png的所述原始平面设计框架的框架图层信息,参见图3,示出了本发明实施例提供的提取原始平面设计框架的框架图层信息的流程图,包括以下步骤:
步骤S301:利用所述目标检测模型,将格式为jpg或png的所述原始平面设计框架裁剪为预设尺寸的裁剪图片。
在具体实现步骤S301的过程中,利用所述目标检测模型,对格式为jpg或png的所述原始平面设计框架进行中心裁剪,得到预设尺寸的裁剪图片。
步骤S302:根据所述目标检测模型的分类器,提取所述裁剪图片中的图文元素标签。
在具体实现步骤S302的过程中,利用所述目标检测模型中的分类器,对所述裁剪图片中的图文元素进行分类,即取所述裁剪图片中的图文元素标签,所述图文元素的类别包括但不仅限于:项目logo、主标题、副标题和图像组合。
步骤S303:根据所述目标检测模型的回归器,提取所述裁剪图片中的图文元素坐标和图文元素大小。
在具体实现步骤S303的过程中,利用所述目标检测模型中的回归器,提取所述裁剪图片中每一图文元素的元素框坐标,即获取所述图文元素坐标,并基于所述图文元素坐标确定图文元素大小和位置。
需要说明的是,通过深度卷积神经网络模型的学习得到前述涉及的分类器和回归器。
为更好解释说明上述步骤S301至步骤S303中涉及的内容,通过图4示出的提取原始平面设计框架的框架图层信息的原理图进行举例说明,需要说明的是,所述图4中示出的内容仅用于举例说明。
在所述图4中,将格式为jpg或png的原始平面设计框架输入目标检测模型中,获取该原始平面设计框架的框架图层信息,所述图4中的图文元素类型为主标题、副标题、图形、地址和文本。
在本发明实施例中,通过预设的目标检测模型提取格式为jpg或png的原始平面设计框架中的框架图层信息。将提取得到的框架图层信息输入生成式对抗网络中得到新平面设计框架,不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
上述本发明实施例图1步骤S105中涉及的调整劣质框架的过程,参见图5,示出了本发明实施例提供的调整劣质框架的流程图,包括以下步骤:
步骤S501:针对所述劣质框架,对所述劣质框架进行对齐调整、去重叠调整、平衡调整和放大调整。
在具体实现步骤S501的过程中,由前述图1步骤S105示出的内容可知,劣质框架通常存在文本元素不对齐、元素间重叠、布局失衡和尺寸过小等问题。对所述劣质框架分别进行对齐调整、去重叠调整、平衡调整和放大调整,根据前述几种调整方式,进行图文元素大小调整、去重叠、平衡调整、对齐调整和文本元素间距调整。
步骤S502:确定调整后的劣质框架的评分。
在具体实现步骤S502的过程中,对所述劣质框架进行调整后,利用所述评分条件对调整后的劣质框架进行评分,确定调整后的劣质框架的评分。
步骤S503:确定调整后的劣质框架的评分是否大于所述阈值,若是,执行步骤S504,若否,返回执行步骤S501。
在具体实现步骤S503的过程中,若调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。若调整后的劣质框架的评分小于所述阈值,利用上述步骤S501中的调整方式对该劣质框架再次进行调整,直至将该劣质框架调整为优质框架。
步骤S504:确定调整后的劣质框架为优质框架。
在本发明实施例中,利用预设的多种调整方式对劣质框架进行调整,直至将劣质框架调整为优质框架,以得到更多的优质框架,提高设计效率和减少设计时长。
为更好解释说明上述本发明实施例图1至图5示出的内容,通过图6示出的平面设计框架的生成方法的流程示意图进行举例说明,所述图6包括以下步骤:
步骤S601:获取平面设计数据库中的原始平面设计框架。
在具体实现步骤S601的过程中,获取的原始平面设计框架的格式为PSD、PDF、jpg或png。
步骤S602:提取所述原始平面设计框架的框架图层信息。
在具体实现步骤S602的过程中,对格式为PSD的原始平面设计框架进行PSD解析,提取格式为PSD的原始平面设计框架的框架图层信息。
将格式为PDF的原始平面设计框架转换为jpg或png格式,利用目标检测模型,提取格式为jpg或png的原始平面设计框架的框架图层信息。
步骤S603:将所述框架图层信息输入GAN,生成新平面设计框架。
步骤S604:利用硬规则评价对每个新平面设计框架进行评分,区分优质框架和劣质框架。
步骤S605:对劣质框架进行调整,直至将所述劣质框架调整为优质框架。
步骤S606:输出优质框架,并将优质框架回溯至所述GAN。
需要说明的是,图6中示出的内容仅用于举例说明,步骤S601至步骤S606的执行原理可参见上述本发明实施例图1至图5中相应的内容,在此不再进行赘述。
在本发明实施例中,利用数据库的原始平面设计框架的框架图层信息,结合GAN生成多个新的新平面设计框架。对每个新平面设计框架进行评分以区分优质框架和劣质框架,并将劣质框架进行调整直至将劣质框架调整为优质框架。不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
与上述本发明实施例提供的一种平面设计框架的生成方法相对应,参见图7,本发明实施例还提供了一种平面设计框架的生成系统的结构框图,所述生成系统包括:获取单元701、提取单元702、生成单元703、评分单元704和调整单元705;
获取单元701,用于获取预设平面设计数据库中的原始平面设计框架。
提取单元702,用于提取所述原始平面设计框架的框架图层信息,所述框架图层信息至少包括:图文元素标签、图文元素坐标和图文元素大小。
生成单元703,用于将所述框架图层信息输入预设的生成式对抗网络,生成多个新平面设计框架。
评分单元704,用于基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架。
调整单元705,用于对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。
在本发明实施例中,利用数据库的原始平面设计框架的框架图层信息,结合生成式对抗网络生成多个新的新平面设计框架。对每个新平面设计框架进行评分以区分优质框架和劣质框架,并将劣质框架进行调整直至将劣质框架调整为优质框架。不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
优选的,结合图7,所述原始平面设计框架的格式为PSD、PDF、jpg或png,本发明实施例中所示出的所述提取单元702包括:解析模块、转换模块和提取模块,各个模块的执行原理如下:
解析模块,用于对格式为PSD的所述原始平面设计框架进行解析,提取所述原始平面设计框架的框架图层信息。
转换模块,用于若所述原始平面设计框架的格式为PDF,将所述原始平面设计框架的格式转换为jpg或png。
提取模块,用于利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息。
在具体实现中,所述提取模块具体用于:利用所述目标检测模型,将格式为jpg或png的所述原始平面设计框架裁剪为预设尺寸的裁剪图片,根据所述目标检测模型的分类器,提取所述裁剪图片中的图文元素标签。根据所述目标检测模型的回归器,提取所述裁剪图片中的图文元素坐标和图文元素大小。
在本发明实施例中,对格式为PSD的原始平面设计框架进行PSD解析得到对应的框架图层信息,通过预设的目标检测模型提取格式为jpg或png的原始平面设计框架中的框架图层信息。将提取得到的框架图层信息输入生成式对抗网络中得到新平面设计框架,不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
优选的,结合图7,本发明实施例中所示出的所述评分单元704包括:评分模块和确定模块,各个模块的执行原理如下:
评分模块,用于针对所述多个新平面设计框架的每一新平面设计框架,利用预设的多项评分条件,依次判断所述新平面设计框架是否满足所述多项评分条件的每一项,确定所述新平面设计框架的评分,所述多项评分条件至少包括文本对齐、框架留白、元素重叠、元素平衡、字体大小和图形大小。
确定模块,用于确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架。
优选的,结合图7,本发明实施例中所示出的所述调整单元705包括:调整模块和处理模块,各个模块的执行原理如下:
调整模块,用于针对所述劣质框架,对所述劣质框架进行对齐调整、去重叠调整、平衡调整和放大调整。
相应的,执行所述评分单元704确定调整后的劣质框架的评分。
处理模块,用于若调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架,若调整后的劣质框架的评分小于所述阈值,返回执行所述调整模块。
在本发明实施例中,利用预设的多种调整方式对劣质框架进行调整,直至将劣质框架调整为优质框架,以得到更多的优质框架,提高设计效率和减少设计时长。
优选的,结合图7,本发明实施例中所示出的平面设计框架的生成系统还包括:
回溯单元,用于将所述优质框架回溯至所述生成式对抗网络。
综上所述,本发明实施例提供一种平面设计框架的生成方法及系统,该方法为:获取预设平面设计数据库中的原始平面设计框架;提取原始平面设计框架的框架图层信息;将框架图层信息输入生成式对抗网络,生成多个新平面设计框架;基于预设评分规则,对多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,确定评分小于阈值的新平面设计框架为劣质框架;对劣质框架进行元素调整直至调整后的劣质框架的评分大于阈值,确定调整后的劣质框架为优质框架。本方案中,利用数据库的原始平面设计框架的框架图层信息,结合生成式对抗网络生成多个新的新平面设计框架。对每个新平面设计框架进行评分以区分优质框架和劣质框架,并将劣质框架进行调整直至将劣质框架调整为优质框架。不需要人工进行平面设计,减少设计时长、提高设计效率和降低设计成本。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种平面设计框架的生成方法,其特征在于,所述方法包括:
获取预设平面设计数据库中的原始平面设计框架;
提取所述原始平面设计框架的框架图层信息,所述框架图层信息至少包括:图文元素标签、图文元素坐标和图文元素大小;
将所述框架图层信息输入预设的生成式对抗网络,生成多个新平面设计框架;
基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架;
对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。
2.根据权利要求1所述的方法,其特征在于,所述原始平面设计框架的格式为PSD、PDF、jpg或png,所述提取所述原始平面设计框架的框架图层信息,包括:
对格式为PSD的所述原始平面设计框架进行解析,提取所述原始平面设计框架的框架图层信息;或,
若所述原始平面设计框架的格式为PDF,将所述原始平面设计框架的格式转换为jpg或png;
利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息。
3.根据权利要求1所述的方法,其特征在于,所述基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架,包括:
针对所述多个新平面设计框架的每一新平面设计框架,利用预设的多项评分条件,依次判断所述新平面设计框架是否满足所述多项评分条件的每一项,确定所述新平面设计框架的评分,所述多项评分条件至少包括文本对齐、框架留白、元素重叠、元素平衡、字体大小和图形大小;
确定评分大于阈值的新平面设计框架为优质框架;
确定评分小于所述阈值的新平面设计框架为劣质框架。
4.根据权利要求1所述的方法,其特征在于,所述对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架,包括:
针对所述劣质框架,对所述劣质框架进行对齐调整、去重叠调整、平衡调整和放大调整;
确定调整后的劣质框架的评分;
若调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架;
若调整后的劣质框架的评分小于所述阈值,返回执行调整这一步骤。
5.根据权利要求2所述的方法,其特征在于,所述利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息,包括:
利用所述目标检测模型,将格式为jpg或png的所述原始平面设计框架裁剪为预设尺寸的裁剪图片;
根据所述目标检测模型的分类器,提取所述裁剪图片中的图文元素标签;
根据所述目标检测模型的回归器,提取所述裁剪图片中的图文元素坐标和图文元素大小。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述优质框架回溯至所述生成式对抗网络。
7.一种平面设计框架的生成系统,其特征在于,所述系统包括:
获取单元,用于获取预设平面设计数据库中的原始平面设计框架;
提取单元,用于提取所述原始平面设计框架的框架图层信息,所述框架图层信息至少包括:图文元素标签、图文元素坐标和图文元素大小;
生成单元,用于将所述框架图层信息输入预设的生成式对抗网络,,生成多个新平面设计框架;
评分单元,用于基于预设评分规则,对所述多个新平面设计框架的每一新平面设计框架进行评分,确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架;
调整单元,用于对所述劣质框架进行元素调整,返回执行评分这一步骤直至调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架。
8.根据权利要求7所述的系统,其特征在于,所述原始平面设计框架的格式为PSD、PDF、jpg或png,所述提取单元包括:
解析模块,用于对格式为PSD的所述原始平面设计框架进行解析,提取所述原始平面设计框架的框架图层信息;
转换模块,用于若所述原始平面设计框架的格式为PDF,将所述原始平面设计框架的格式转换为jpg或png;
提取模块,用于利用预设的目标检测模型,提取格式为jpg或png的所述原始平面设计框架的框架图层信息。
9.根据权利要求7所述的系统,其特征在于,所述评分单元包括:
评分模块,用于针对所述多个新平面设计框架的每一新平面设计框架,利用预设的多项评分条件,依次判断所述新平面设计框架是否满足所述多项评分条件的每一项,确定所述新平面设计框架的评分,所述多项评分条件至少包括文本对齐、框架留白、元素重叠、元素平衡、字体大小和图形大小;
确定模块,用于确定评分大于阈值的新平面设计框架为优质框架,以及确定评分小于所述阈值的新平面设计框架为劣质框架。
10.根据权利要求7所述的系统,其特征在于,所述调整单元具体用于:
调整模块,用于针对所述劣质框架,对所述劣质框架进行对齐调整、去重叠调整、平衡调整和放大调整;
相应的,执行所述评分单元确定调整后的劣质框架的评分;
处理模块,用于若调整后的劣质框架的评分大于所述阈值,确定调整后的劣质框架为优质框架,若调整后的劣质框架的评分小于所述阈值,返回执行所述调整模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910887663.2A CN110489933B (zh) | 2019-09-19 | 2019-09-19 | 一种平面设计框架的生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910887663.2A CN110489933B (zh) | 2019-09-19 | 2019-09-19 | 一种平面设计框架的生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110489933A true CN110489933A (zh) | 2019-11-22 |
CN110489933B CN110489933B (zh) | 2022-12-20 |
Family
ID=68558673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910887663.2A Active CN110489933B (zh) | 2019-09-19 | 2019-09-19 | 一种平面设计框架的生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110489933B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184660A (zh) * | 2020-09-25 | 2021-01-05 | 大方众智创意广告(珠海)有限公司 | 设计图像评价方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886917A (zh) * | 2017-01-19 | 2017-06-23 | 浙江大学 | 一种生成广告的方法及装置 |
CN108427828A (zh) * | 2018-02-07 | 2018-08-21 | 李荣陆 | 一种自动评估平面设计布局质量与优化的装置 |
US20180276182A1 (en) * | 2017-03-27 | 2018-09-27 | Adobe Systems Incorporated | Responsive Grid Layouts for Graphic Design |
US20180365718A1 (en) * | 2017-06-20 | 2018-12-20 | Catalina Marketing Corporation | Machine learning for marketing of branded consumer products |
CN110059300A (zh) * | 2019-04-18 | 2019-07-26 | 郑州铁路职业技术学院 | 一种自动评估平面设计布局质量与优化的装置 |
CN110223358A (zh) * | 2019-05-27 | 2019-09-10 | 铸视(上海)科技有限公司 | 可视图案设计方法、训练方法、装置、系统及存储介质 |
-
2019
- 2019-09-19 CN CN201910887663.2A patent/CN110489933B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886917A (zh) * | 2017-01-19 | 2017-06-23 | 浙江大学 | 一种生成广告的方法及装置 |
US20180276182A1 (en) * | 2017-03-27 | 2018-09-27 | Adobe Systems Incorporated | Responsive Grid Layouts for Graphic Design |
US20180365718A1 (en) * | 2017-06-20 | 2018-12-20 | Catalina Marketing Corporation | Machine learning for marketing of branded consumer products |
CN108427828A (zh) * | 2018-02-07 | 2018-08-21 | 李荣陆 | 一种自动评估平面设计布局质量与优化的装置 |
CN110059300A (zh) * | 2019-04-18 | 2019-07-26 | 郑州铁路职业技术学院 | 一种自动评估平面设计布局质量与优化的装置 |
CN110223358A (zh) * | 2019-05-27 | 2019-09-10 | 铸视(上海)科技有限公司 | 可视图案设计方法、训练方法、装置、系统及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184660A (zh) * | 2020-09-25 | 2021-01-05 | 大方众智创意广告(珠海)有限公司 | 设计图像评价方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110489933B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348445A (zh) | 一种融合空洞卷积和边缘信息的实例分割方法 | |
EP2982422A1 (en) | Body-motion assessment device, dance assessment device, karaoke device, and game device | |
CN109712144A (zh) | 面部图像的处理方法、训练方法、设备和存储介质 | |
CN105574885B (zh) | 基于机器学习并融合视觉特征的全参考图像质量评估方法 | |
CN103593853B (zh) | 基于联合稀疏表达的遥感影像多尺度面向对象分类方法 | |
CN107301200A (zh) | 一种基于情感倾向分析的文章评估方法和系统 | |
CN106202500A (zh) | 一种旅游线路推送方法和系统 | |
CN107122786B (zh) | 一种众包学习方法及装置 | |
CN102567716A (zh) | 一种人脸合成系统及实现方法 | |
EP4024313A1 (en) | Advertisement viewing information output method, advertisement viewing information output program, and information processing device | |
CN106484733A (zh) | 新闻线索个性化推送方法及系统 | |
CN110310142A (zh) | 基于人群价值分析的电梯广告投放方法及装置 | |
CN110110982A (zh) | 创意素材的审查方法及装置 | |
CN110634330A (zh) | 用于空中管理的训练和/或辅助平台、相关方法 | |
CN104680188A (zh) | 一种人体姿态基准图像库的构建方法 | |
CN111190829B (zh) | 一种路口测试模型数据自动构建方法和装置 | |
CN110489933A (zh) | 一种平面设计框架的生成方法及系统 | |
US8010564B2 (en) | Logical structure analyzing apparatus, method, and computer product | |
CN106874931B (zh) | 用户画像分群方法和装置 | |
CN110334620A (zh) | 教学质量的评估方法、装置、存储介质及电子设备 | |
CN107590121A (zh) | 文本规整方法及系统 | |
US20230005248A1 (en) | Machine learning (ml) quality assurance for data curation | |
CN116823202A (zh) | 简历信息处理方法、系统、智能终端及存储介质 | |
JPS60103487A (ja) | 形状認識装置 | |
US9692651B2 (en) | Method and apparatus for improving network performance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |