CN110737963B - 海报元素布局方法、系统和计算机可读存储介质 - Google Patents
海报元素布局方法、系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110737963B CN110737963B CN201911321387.XA CN201911321387A CN110737963B CN 110737963 B CN110737963 B CN 110737963B CN 201911321387 A CN201911321387 A CN 201911321387A CN 110737963 B CN110737963 B CN 110737963B
- Authority
- CN
- China
- Prior art keywords
- poster
- action
- position information
- prediction
- elements
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
Abstract
本申请提供一种海报元素布局方法、系统和计算机可读存储介质,所述方法包括:获取海报的框架尺寸和海报元素的位置信息;接收对任意一个海报元素的操作动作,对海报执行操作动作;将海报的框架尺寸、操作动作和海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作;分别对各海报元素执行对应的预测操作,将各海报元素调整至相应的预测位置。上述方法通过状态动作预测模型以及结合当前的海报元素的位置信息,预测在已发生的操作动作之后下一次最可能被执行的预测操作,该预测操作预示着预测的海报元素布局,执行该预测操作调整各个海报元素的布局,对海报元素的调整,减少海报制作时间,大大提高海报的制作效率。
Description
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种海报元素布局方法、系统和计算机可读存储介质。
背景技术
海报相比于折页,更适合大量派发,可派发于展会、巡展等营销活动,因此也催生了巨大的海报使用量和制作量。
现有方式在面对各种固定的海报框架尺寸下,需要由设计人员依次逐步对海报设计中各个海报元素调整,但是,设计人员在设计海报中也在反复调整海报内容,每当调整海报内容都影响海报元素的布局,需要反复调整海报元素的尺寸延展,增加海报制作时间,大大降低海报的制作效率。
发明内容
基于此,有必要针对上述的技术缺陷,特别是海报制作效率低的技术缺陷,提供一种海报元素布局方法、系统和计算机可读存储介质。
一种海报元素布局方法,包括如下步骤:
获取海报的框架尺寸和海报元素的位置信息;
接收对任意一个海报元素的操作动作,对所述海报执行所述操作动作并更新所述海报元素的位置信息;
将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,其中,所述状态动作预测模型为预测海报元素布局的模型;
分别对各所述海报元素执行对应的预测操作,将各所述海报元素调整至相应的预测位置。
在一个实施例中,在所述分别对各所述海报元素执行对应的预测操作,将各所述海报元素调整至相应的预测位置的步骤之后,还包括:
执行接收对任意一个海报元素的操作动作,对所述海报执行所述操作动作并更新所述海报元素的位置信息的步骤。
在一个实施例中,所述将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作的步骤,包括:
根据所述海报框架尺寸、操作动作、更新后的海报元素的位置信息和所述状态动作预测模型计算各种预置动作的奖励值;
将奖励值最高的预置动作作为所述预测动作。
在一个实施例中,在将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型的步骤之前,还包括:
获取一个训练动作,所述训练动作为随机的操作动作;
对海报样本执行所述训练动作并更新所述海报样本中海报元素的样本位置信息;
将样本框架尺寸、所述训练动作和更新的样本位置信息输入待训练的状态动作预测模型,并得到所述海报样本中各海报元素的训练预测操作;
分别对所述海报样本中各海报元素执行对应的训练预测操作,将所述海报样本的海报元素调整至对应的预测位置信息。
在一个实施例中,在所述将所述海报样本的海报元素调整至对应的预测位置信息的步骤之后,还包括:
根据所述预测位置信息计算所述训练预测操作的实际奖励值;
将所述实际奖励值反馈给所述状态动作预测模型,以修正所述状态动作预测模型。
在一个实施例中,在所述对所述海报样本中各海报元素执行对应的训练预测操作的步骤之后,还包括:
获取一个随机的操作动作作为所述训练动作,执行所述对所述海报样本执行所述训练动作和更新所述样本位置信息的步骤。
在一个实施例中,所述操作动作包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作,所述位置信息包括各所述海报元素的四个顶点的位置。
一种海报元素布局系统,包括:
获取模块,用于获取海报的框架尺寸和海报元素的位置信息;
更新模块,用于接收对任意一个海报元素的操作动作,对所述海报执行所述操作动作并更新所述海报元素的位置信息;
预测模块,用于将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,其中,所述状态动作预测模型为预测海报元素布局的模型;
调整模块,用于分别对各所述海报元素执行对应的预测操作,将各所述海报元素调整至相应的预测位置。
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上述任一实施例所述海报元素布局方法的步骤。
上述的海报元素布局方法、系统、终端和计算机可读存储介质,通过状态动作预测模型以及结合当前的海报元素的位置信息,预测在已发生的操作动作之后下一次最可能被执行的预测操作,该预测操作预示着预测的海报元素布局,以及通过执行该预测操作调整各个海报元素的布局,完成对海报元素的调整,避免逐个分析海报元素和反复调整各个海报元素,减少海报制作时间,大大提高海报的制作效率。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过实践了解到。
附图说明
上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为一个实施例中海报的示意图;
图2为一个实施例中海报元素布局方法的流程图;
图3为一个实施示例中海报元素布局后的示意图;
图4为一个实施例中训练状态动作预测模型的流程图;
图5为一个实施例中海报元素布局系统的结构示意图;
图6为一个实施例中计算机设备的内部结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
如图1所示,图1为一个实施例中海报的示意图,海报(实线框)中布局了若干个元素(虚线框),海报的框架影响着海报中元素的布局,海报设计过程中,海报中各个元素一直根据设计需求在调整,被执行移动和缩放等的动作,同时使得海报元素适应海报的框架尺寸。但是随海报内容的调整,影响了海报元素的布局,需要反复调整海报元素的尺寸延展,增加海报制作时间,大大降低海报的制作效率。
在一个实施例中,如图2所示,图2为一个实施例中海报元素布局方法的流程图,本实施例中提出了一种海报元素布局方法,该海报元素布局方法可以应用于计算机设备中,具体可以包括以下步骤:
步骤S210:获取海报的框架尺寸和海报元素的位置信息。
本步骤中,获取海报的框架尺寸,海报元素在固定的海报框架尺寸中进行布局和设计。以及获取所有海报元素在该固定尺寸的海报中的位置信息,所有海报元素的位置信息构成海报布局环境中的海报状态。在一个实施例中,位置信息包括各海报元素的四个顶点的位置,海报元素的位置信息可以包括海报元素的四个顶点(左上角、右下角、左上角和右上角)的位置:X min ,Y min ,X max ,Y max ,此时根据海报元素的位置信息不仅能表示海报元素区域,还可以反映出海报元素的尺寸大小和边框位置。
步骤S220:接收对任意一个海报元素的操作动作,对海报执行操作动作并更新海报元素的位置信息。
本步骤中,用户在设计海报过程中对海报元素的布局进行调整时,将对海报元素进行平移或者图像缩放中一种或多种操作,记录用户对任意一个海报元素进行的操作,获得操作动作,执行该操作动作后的海报状态发生变化,紧接着更新所有海报元素的位置信息。
以平移和缩放为例,操作动作可以包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作。海报元素可以向上移动、向下移动、向左移动、向右移动,以及被放大和缩小。
步骤S230:将海报的框架尺寸、操作动作和海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,其中,状态动作预测模型为预测海报元素布局的模型。
状态动作预测模型为预测海报元素布局的模型,用于根据前一个对海报元素的操作动作,推测海报最有可能被布局的形式,即可以推测海报中所有海报元素在海报中的分布和尺寸。换句话来说,状态动作预测模型可以根据用户上一次对海报元素的操作动作和当前海报中海报元素的位置信息,推测用户下一次最有可能执行的操作动作,预测用户下一次最有可能布局的海报元素的位置信息。
本步骤中,在固定的海报的框架尺寸中对各个海报元素进行预测,获取已完成的上一次的操作动作,以及完成该操作动作后当前的位置信息,向状态动作预测模型输入海报的框架尺寸、已完成的上一次的操作动作以及当前的位置信息,状态动作预测模型预测出当前海报环境中下一次最有可能执行的预测操作,输出各个海报元素的预测操作。
步骤S240:分别对各海报元素执行对应的预测操作,将各海报元素调整至相应的预测位置。
本步骤中,各个海报元素的预测操作预示着各个海报元素对应被预测布局的位置信息,执行对各个海报元素的预测操作后,海报元素被调整至相应的预测位置。预测操作可以包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作,因此,海报元素被执行预测操作后,可以完成平移和/或缩放的操作,进行海报元素的尺寸延展,从而完成海报元素进行预测的布局。
上述海报元素布局方法,通过状态动作预测模型以及结合当前的海报元素的位置信息,预测在已发生的操作动作之后下一次最可能被执行的预测操作,该预测操作预示着预测的海报元素布局,以及通过执行该预测操作调整各个海报元素的布局,完成对海报元素的调整,避免逐个分析海报元素和反复调整各个海报元素,减少海报制作时间,大大提高海报的制作效率。
特别是在用户新创建一个海报环境时,初始尺寸的海报元素放入海报的框架尺寸,一般海报元素的尺寸往往都比海报的框架尺寸小得多,其之间的尺寸相距甚大,需要对海报元素的尺寸进行延展或者伸缩,已获得良好的视觉比例和设计布局,通过已发生的操作动作预测下一次最可能被执行的预测操作和海报元素的预测位置,一次过直接完成各个海报元素的布局调整,完成海报的整体布局,大大提高海报的制作效率。如图1和图3所示,图3为一个实施示例中海报元素布局后的示意图,图1中海报框架尺寸为1080×1920,图3(a)中海报框架尺寸为600×1800,图3(b)中海报框架尺寸为3366×4960,图3(c)中海报框架尺寸为2048×200,为方便起见,海报框架尺寸的单位表示标准单位。图3中(a)、(b)和(c)都是通过状态动作预测模型对已发生的操作动作预测下一次最可能被执行的预测操作和海报元素的预测位置,一次过直接完成各个海报元素的布局调整,完成海报的整体布局,图3中(a)、(b)和(c)都表现出在固定的海报框架尺寸中,海报元素可以适应性地尺寸延展和合理布局。
在一个实施例中,在步骤S240:分别对各海报元素执行对应的预测操作,将海报元素调整至相应的预测位置的步骤之后,还可以包括:
接收对任意一个海报元素的操作动作,对海报执行操作动作并更新海报元素的位置信息的步骤。
后续继续将海报的框架尺寸、操作动作和海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,以及分别对各海报元素执行对应的预测操作,将海报元素调整至相应的预测位置。
上述海报元素布局方法,若干个海报元素可以经过多次随机的操作动作,每次操作动作都可以对海报的所有海报元素进行逐次的调整,在多次随机动作之后,海报中海报元素可以延展至目标尺寸以及放置于目标位置,海报的整体布局达到目标布局,提高对海报元素预测的精度。
在一个实施例中,步骤S230中将海报的框架尺寸、操作动作和海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作的步骤,可以包括:
步骤S231:根据海报框架尺寸、操作动作、更新后的海报元素的位置信息和状态动作预测模型计算各种预置动作的奖励值。
根据评价函数可以计算海报环境的得分值,通过评价函数得到的得分值越高,海报的整体布局效果越理想。本步骤中,通过评价函数可以计算执行预置动作后海报元素的位置信息的得分值,并计算该得分值与初始布置海报元素时的初始得分值之间的得分差,该得分差作为预置动作的奖励值。
步骤S232:将奖励值最高的预置动作作为预测动作。
奖励值越高的预置动作所预测的海报整体布局效果越理想,越有可能被执行。本步骤将奖励值最高的预置动作作为预测动作;相当于也预测奖励值最高的预测位置,预测海报最有可能调整的布局和海报元素的位置尺寸。
当海报中一个海报元素要执行一个操作动作,操作动作有多种动作的选择,选择不同的动作对应着不同的结果,每种结果都有各自的优缺点。本申请中状态动作预测模型要根据这些可能的结果,预测海报元素将从一种位置尺寸调整至另一种位置尺寸,下面将阐述状态动作预测模型的训练过程。
在一个实施例中,如图4所示,图4为一个实施例中训练状态动作预测模型的流程图,在步骤S230中将海报的框架尺寸、操作动作和海报元素更新后的位置信息输入状态动作预测模型的步骤之前,还包括:
步骤S410:获取一个训练动作,训练动作为随机的操作动作。
训练动作可以是随机产生的一个操作动作。
步骤S420:对海报样本执行训练动作并更新海报样本中海报元素的样本位置信息。
执行训练动作后的海报状态发生变化,紧接着更新海报样本中所有海报元素的位置信息。
步骤S430:将样本框架尺寸、训练动作和更新的样本位置信息输入待训练的状态动作预测模型,并得到海报样本中各海报元素的训练预测操作。
在固定的样本框架尺寸中对各个海报元素进行预测,获取训练动作,以及完成该训练动作后当前的样本位置信息,向状态动作预测模型输入样本框架尺寸、训练动作以及当前的样本位置信息,状态动作预测模型预测出当前海报样本环境中下一次最有可能执行的训练预测操作,输出各个海报元素的训练预测操作。
步骤S440:分别对海报样本中各海报元素执行对应的训练预测操作,将海报样本的海报元素调整至对应的预测位置信息。
各个海报元素的训练预测操作预示着各个海报元素对应被预测布局的位置信息,执行对各个海报元素的训练预测操作后,海报元素被调整至相应的预测位置。训练预测操作可以包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作,因此,海报元素被执行训练预测操作后,可以完成平移和/或缩放的操作,进行海报元素的尺寸延展,从而完成海报元素进行预测的布局。
上述海报元素布局方法,通过训练中的状态动作预测模型调整海报样本中各个海报元素的布局,以及完成海报元素的位置信息的更新,实现对海报样本的处理。
在一个实施例中,如图4所示,在步骤S440中将海报样本的海报元素调整至对应的预测位置信息的步骤之后,还包括:
步骤S450:根据预测位置信息计算训练预测操作的实际奖励值。
通过评价函数可以计算训练预测操作后海报元素的位置信息的得分值,并计算该得分值与初始布置海报元素时的初始得分值之间的得分差,该得分差作为预测动作的奖励值,即获得实际奖励值。
步骤S460:将实际奖励值反馈给状态动作预测模型,以修正状态动作预测模型。
根据实际奖励值可以修正状态动作预测模型中的权值。
上述海报元素布局方法,可以根据执行预测动作之后的结果来修正和更新状态动作预测模型,对训练中的状态动作预测模型进行拟合。
在一个实施例中,如图4所示,在步骤S440对海报样本中各海报元素执行对应的训练预测操作的步骤之后,或者在步骤S460将实际奖励值反馈给状态动作预测模型,以修正状态动作预测模型之后,还可以包括:
步骤S470:获取一个随机的操作动作作为训练动作,执行对海报样本执行训练动作和更新样本位置信息的步骤。
训练动作作为随机产生的一个操作动作,对海报样本执行训练动作后,得到一个新的海报样本,可以快速开展下一次的模型训练。
继续执行将样本框架尺寸、训练动作和更新的样本位置信息输入待训练的状态动作预测模型,并得到海报样本中各海报元素的训练预测操作;别对海报样本中各海报元素执行对应的训练预测操作,将海报样本的海报元素调整至对应的预测位置信息。还可以继续执行根据预测位置信息计算执行预测动作后的实际奖励值;将实际奖励值反馈给状态动作预测模型,以修正状态动作预测模型。
上述海报元素布局方法可以调用大量的经验数据来循环训练模型,经过多次反复修正状态动作预测模型,将状态动作预测模型拟合收敛至目标阈值,届时向状态动作预测模型输入合法值范围内的框架尺寸、操作动作和位置信息都可以预测合适的预测操作,提高状态动作预测模型的精度。
在一个实施例中,如图5所示,图5为一个实施例中海报元素布局系统的结构示意图,本实施例中提供一种海报元素布局系统,具体可以包括获取模块510、更新模块520、预测模块530和调整模块540,其中:
获取模块510,用于获取海报的框架尺寸和海报元素的位置信息。
获取模块510获取海报的框架尺寸,海报元素在固定的海报框架尺寸中进行布局和设计。以及获取所有海报元素在该固定尺寸的海报中的位置信息,所有海报元素的位置信息构成海报布局环境中的海报状态。在一个实施例中,位置信息包括各海报元素的四个顶点的位置,海报元素的位置信息可以包括海报元素的四个顶点(左上角、右下角、左上角和右上角)的位置:X min ,Y min ,X max ,Y max ,此时根据海报元素的位置信息不仅能表示海报元素区域,还可以反映出海报元素的尺寸大小和边框位置。
更新模块520,用于接收对任意一个海报元素的操作动作,对海报执行操作动作并更新海报元素的位置信息。
更新模块520用户在设计海报过程中对海报元素的布局进行调整时,将对海报元素进行平移或者图像缩放中一种或多种操作,记录用户对任意一个海报元素进行的操作,获得操作动作,执行该操作动作后的海报状态发生变化,紧接着更新所有海报元素的位置信息。
以平移和缩放为例,操作动作可以包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作。海报元素可以向上移动、向下移动、向左移动、向右移动,以及被放大和缩小。
预测模块530,用于将海报的框架尺寸、操作动作和海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,其中,状态动作预测模型为预测海报元素布局的模型。
状态动作预测模型为预测海报元素布局的模型,用于根据前一个对海报元素的操作动作,推测海报最有可能被布局的形式,即可以推测海报中所有海报元素在海报中的分布和尺寸。换句话来说,状态动作预测模型可以根据用户上一次对海报元素的操作动作和当前海报中海报元素的位置信息,推测用户下一次最有可能执行的操作动作,预测用户下一次最有可能布局的海报元素的位置信息。
预测模块530在固定的海报的框架尺寸中对各个海报元素进行预测,获取已完成的上一次的操作动作,以及完成该操作动作后当前的位置信息,向状态动作预测模型输入海报的框架尺寸、已完成的上一次的操作动作以及当前的位置信息,状态动作预测模型预测出当前海报环境中下一次最有可能执行的预测操作,输出各个海报元素的预测操作。
调整模块540,用于分别对各海报元素执行对应的预测操作,将海报元素调整至相应的预测位置。
调整模块540中,各个海报元素的预测操作预示着各个海报元素对应被预测布局的位置信息,执行对各个海报元素的预测操作后,海报元素被调整至相应的预测位置。预测操作可以包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作,因此,海报元素被执行预测操作后,可以完成平移和/或缩放的操作,进行海报元素的尺寸延展,从而完成海报元素进行预测的布局。
上述海报元素布局系统,通过状态动作预测模型以及结合当前的海报元素的位置信息,预测在已发生的操作动作之后下一次最可能被执行的预测操作,该预测操作预示着预测的海报元素布局,以及通过执行该预测操作调整各个海报元素的布局,完成对海报元素的调整,避免逐个分析海报元素和反复调整各个海报元素,减少海报制作时间,大大提高海报的制作效率。
关于海报元素布局系统的具体限定可以参见上文中对于海报元素布局方法的限定,在此不再赘述。上述海报元素布局系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
如图6所示,图6为一个实施例中计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机程序,数据库中可存储有控件信息序列,该计算机程序被处理器执行时,可使得处理器实现一种海报元素布局方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器执行一种海报元素布局方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一实施例所述的海报元素布局方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例所述的海报元素布局方法的步骤。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (9)
1.一种海报元素布局方法,其特征在于,包括如下步骤:
获取海报的框架尺寸和海报元素的位置信息;
接收对任意一个海报元素的操作动作,对所述海报执行所述操作动作并更新所述海报元素的位置信息;
将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,其中,所述状态动作预测模型为预测海报元素布局的模型;
分别对各所述海报元素执行对应的预测操作,将各所述海报元素调整至相应的预测位置。
2.根据权利要求1所述的海报元素布局方法,其特征在于,在所述分别对各所述海报元素执行对应的预测操作,将各所述海报元素调整至相应的预测位置的步骤之后,还包括:
执行接收对任意一个海报元素的操作动作,对所述海报执行所述操作动作并更新所述海报元素的位置信息的步骤。
3.根据权利要求1所述的海报元素布局方法,其特征在于,所述将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作的步骤,包括:
根据所述海报框架尺寸、操作动作、更新后的海报元素的位置信息和所述状态动作预测模型计算各种预置动作的奖励值;
将奖励值最高的预置动作作为所述预测动作。
4.根据权利要求1所述的海报元素布局方法,其特征在于,在将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型的步骤之前,还包括:
获取一个训练动作,所述训练动作为随机的操作动作;
对海报样本执行所述训练动作并更新所述海报样本中海报元素的样本位置信息;
将样本框架尺寸、所述训练动作和更新的样本位置信息输入待训练的状态动作预测模型,并得到所述海报样本中各海报元素的训练预测操作;
分别对所述海报样本中各海报元素执行对应的训练预测操作,将所述海报样本的海报元素调整至对应的预测位置信息。
5.根据权利要求4所述的海报元素布局方法,其特征在于,在所述将所述海报样本的海报元素调整至对应的预测位置信息的步骤之后,还包括:
根据所述预测位置信息计算所述训练预测操作的实际奖励值;
将所述实际奖励值反馈给所述状态动作预测模型,以修正所述状态动作预测模型。
6.根据权利要求4或5所述的海报元素布局方法,其特征在于,在所述对所述海报样本中各海报元素执行对应的训练预测操作的步骤之后,还包括:
获取一个随机的操作动作作为所述训练动作,执行所述对所述海报样本执行所述训练动作和更新所述样本位置信息的步骤。
7.根据权利要求1至5中任一项所述的海报元素布局方法,其特征在于,所述操作动作包括向上移动、向下移动、向左移动、向右移动、图像放大和图像缩小中的一项或多项操作,所述位置信息包括各所述海报元素的四个顶点的位置。
8.一种海报元素布局系统,其特征在于,包括:
获取模块,用于获取海报的框架尺寸和海报元素的位置信息;
更新模块,用于接收对任意一个海报元素的操作动作,对所述海报执行所述操作动作并更新所述海报元素的位置信息;
预测模块,用于将所述海报的框架尺寸、操作动作和所述海报元素更新后的位置信息输入状态动作预测模型,获得对各个海报元素对应的预测操作,其中,所述状态动作预测模型为预测海报元素布局的模型;
调整模块,用于分别对各所述海报元素执行对应的预测操作,将各所述海报元素调整至相应的预测位置。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的海报元素布局方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911321387.XA CN110737963B (zh) | 2019-12-20 | 2019-12-20 | 海报元素布局方法、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911321387.XA CN110737963B (zh) | 2019-12-20 | 2019-12-20 | 海报元素布局方法、系统和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110737963A CN110737963A (zh) | 2020-01-31 |
CN110737963B true CN110737963B (zh) | 2020-03-31 |
Family
ID=69274585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911321387.XA Active CN110737963B (zh) | 2019-12-20 | 2019-12-20 | 海报元素布局方法、系统和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737963B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489422B (zh) * | 2020-04-10 | 2023-03-28 | 广东博智林机器人有限公司 | 海报生成及其模型训练方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446361A (zh) * | 2010-10-07 | 2012-05-09 | 国际商业机器公司 | 自动调整作品的元素的表现逼真度的方法和系统 |
CN103914211A (zh) * | 2014-04-04 | 2014-07-09 | 华为终端有限公司 | 界面元素的自动调整方法和装置 |
CN106303652A (zh) * | 2015-05-27 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种界面元素的绘制方法及装置 |
CN109271132A (zh) * | 2018-09-19 | 2019-01-25 | 中南大学 | 一种基于机器学习模型的排序方法 |
CN109271604A (zh) * | 2018-09-27 | 2019-01-25 | 北京奇虎科技有限公司 | 一种广告布局方法、装置及计算机设备 |
CN109360020A (zh) * | 2018-09-29 | 2019-02-19 | 北京奇虎科技有限公司 | 一种广告的生成方法及装置 |
CN109901835A (zh) * | 2019-01-25 | 2019-06-18 | 北京三快在线科技有限公司 | 布局元素的方法、装置、设备及存储介质 |
CN110096768A (zh) * | 2019-04-16 | 2019-08-06 | 江苏艾佳家居用品有限公司 | 一种快速实现厨房自动布局的方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9367216B2 (en) * | 2009-05-21 | 2016-06-14 | Sony Interactive Entertainment Inc. | Hand-held device with two-finger touch triggered selection and transformation of active elements |
US8296183B2 (en) * | 2009-11-23 | 2012-10-23 | Ecomsystems, Inc. | System and method for dynamic layout intelligence |
CN109727298A (zh) * | 2018-02-12 | 2019-05-07 | 平安好房(上海)电子商务有限公司 | 海报生成方法、装置、设备和计算机存储介质 |
CN109815465B (zh) * | 2018-12-19 | 2023-11-17 | 平安科技(深圳)有限公司 | 基于深度学习的海报生成方法、装置和计算机设备 |
-
2019
- 2019-12-20 CN CN201911321387.XA patent/CN110737963B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102446361A (zh) * | 2010-10-07 | 2012-05-09 | 国际商业机器公司 | 自动调整作品的元素的表现逼真度的方法和系统 |
CN103914211A (zh) * | 2014-04-04 | 2014-07-09 | 华为终端有限公司 | 界面元素的自动调整方法和装置 |
CN106303652A (zh) * | 2015-05-27 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种界面元素的绘制方法及装置 |
CN109271132A (zh) * | 2018-09-19 | 2019-01-25 | 中南大学 | 一种基于机器学习模型的排序方法 |
CN109271604A (zh) * | 2018-09-27 | 2019-01-25 | 北京奇虎科技有限公司 | 一种广告布局方法、装置及计算机设备 |
CN109360020A (zh) * | 2018-09-29 | 2019-02-19 | 北京奇虎科技有限公司 | 一种广告的生成方法及装置 |
CN109901835A (zh) * | 2019-01-25 | 2019-06-18 | 北京三快在线科技有限公司 | 布局元素的方法、装置、设备及存储介质 |
CN110096768A (zh) * | 2019-04-16 | 2019-08-06 | 江苏艾佳家居用品有限公司 | 一种快速实现厨房自动布局的方法及系统 |
Non-Patent Citations (3)
Title |
---|
Deep Learning UI Design Patterns of Mobile Apps;Tam The Nguyen等;《2018 IEEE/ACM 40th International Conference on Software Engineering: New Ideas and Emerging Technologies Results》;20180823;第65-68页 * |
根据工艺需要进行设计特征模型调整的方法;马骥等;《计算机辅助设计与图形学学报》;20030228;第15卷(第2期);156—160 * |
自动布局指南—part1:入门;lakerszhy;《http://www.jianshu.com/p/813af6a52e40》;20160908;第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110737963A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390387B (zh) | 对深度学习应用所用资源进行评估 | |
US20210357759A1 (en) | Task processing method and device based on neural network | |
EP3734519A1 (en) | Method for generating universal learned model | |
CN111582943B (zh) | 基于cnn和lstm的电力系统负荷预测方法 | |
CN107678858B (zh) | 应用处理方法、装置、存储介质及电子设备 | |
US8761526B2 (en) | Image data processing apparatus, image data processing method, and computer readable medium | |
US20230169320A1 (en) | Signal Processing System and Method | |
US10768590B2 (en) | Plant operation support device, plant operation support method, and a program device | |
CN109964238A (zh) | 使用神经网络生成视频帧 | |
CN111125519B (zh) | 用户行为预测方法、装置、电子设备以及存储介质 | |
CN110737963B (zh) | 海报元素布局方法、系统和计算机可读存储介质 | |
CN111127910A (zh) | 交通信号调节方法、系统及介质 | |
JP5910499B2 (ja) | 拡張性評価装置、拡張性評価方法および拡張性評価プログラム | |
US20210279589A1 (en) | Electronic device and control method thereof | |
CN113032116A (zh) | 任务时间预测模型的训练方法、任务调度方法及相关装置 | |
CN110826695B (zh) | 数据处理方法、装置和计算机可读存储介质 | |
WO2020261448A1 (ja) | 予測装置、予測方法、及び予測プログラム | |
KR20200139909A (ko) | 전자 장치 및 그의 연산 수행 방법 | |
CN114429641A (zh) | 一种时序动作检测方法、装置、存储介质及终端 | |
JP7294421B2 (ja) | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム | |
CN113902088A (zh) | 神经网络结构搜索的方法、装置与系统 | |
CN111898573A (zh) | 图像预测方法、计算机设备和存储介质 | |
JP7007474B2 (ja) | ビデオ特徴抽出方法及び装置 | |
US20230088429A1 (en) | Processing device, processing method, and program | |
US9386131B2 (en) | Method and apparatus for performing function by combining one or more function blocks |
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 |