CN112669090A - 一种智能生成广告海报的方法、电子设备、计算机可读存储介质 - Google Patents
一种智能生成广告海报的方法、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN112669090A CN112669090A CN202110011793.7A CN202110011793A CN112669090A CN 112669090 A CN112669090 A CN 112669090A CN 202110011793 A CN202110011793 A CN 202110011793A CN 112669090 A CN112669090 A CN 112669090A
- Authority
- CN
- China
- Prior art keywords
- images
- image
- materials
- passing
- typesetting
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 83
- 230000000694 effects Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 238000002372 labelling Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 238000012552 review Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种智能生成广告海报的方法、电子设备、计算机可读存储介质。其中方法包括：步骤S1.对数据库中的各类素材进行标签化处理；步骤S2.基于规定有排版规则的版式，使用带标签的各个素材按版式的排版规则进行组合嵌套，批量生成符合排版规则的图像；步骤S3.对所生成的每一张图像中的字体效果进行生成，形成多张不同字体效果的图像；步骤S4.对每一张图像进行整体的色彩平衡处理；步骤S5.人工审核部分图像，基于人工的审核结果计算每个素材的通过率，通过贝叶斯算法自动审核余下图像，对全部素材的通过率均达标的图像进行输出。本发明的方法，通过由数据和算法驱动，实现海量广告图像的批量生产以及对内容的效果优化，提升机器生成图像的质量。
Description
技术领域
本发明涉及计算机图像处理技术，尤其是一种智能生成广告海报的方法、电子设备、计算机可读存储介质。
背景技术
目前传统市场上的用于智能生成广告的软件，多数如专利文献CN202010035670.2所示，是利用机器学习技术，在生成对抗神经网络(GAN)系统中，利用受过训练的自动广告生成器基于产品信息、消费者信息以及展示情境来生成广告，存在生成的图像质量较差，应用场景狭窄的缺陷。
发明内容
本发明为解决或部分解决现有技术的不足之处，而提供一种智能生成广告海报的方法、电子设备、计算机可读存储介质。
为实现所述目的，本发明的技术方案为：
依据本发明的一个方面，提供一种智能生成广告海报的方法，包括：
步骤S1.对数据库中的各类素材进行标签化处理；
步骤S2.基于规定有排版规则的版式，使用带标签的各个素材按版式的排版规则进行组合嵌套，批量生成符合排版规则的图像，其中步骤S1中的标签与所述排版规则一一对应；
步骤S3.对所生成的每一张图像中的字体效果进行生成，形成多张不同字体效果的图像；
步骤S4.对每一张图像进行整体的色彩平衡处理；
步骤S5.基于人工审核部分图像的审核结果计算每个素材的通过率，通过贝叶斯算法自动审核余下图像，对全部素材的通过率均达标的图像进行输出。
进一步的，步骤S2中版式的获得方式进一步包括：
制作一系列排版的版式，每个版式中各自规定其排版规则，其中排版规则以层级为基础，划分为背景层、背景框层、元素层、人像层、产品层、标题层、其他层，所述标签对应层级设置，每个排版规则设定该版式拥有的层级情况，并对定义每个层级的锚点、摆放的最大范围以及缩放的范围。
进一步的，对涉及人像层的版式的排版规则中定义人像类素材脸部的方向、大小要求，在对涉及人像层的版式进行组合嵌套时，通过人脸识别技术识别筛选数据库中符合所述要求的人像类素材进行组合嵌套。
进一步的，通过人脸识别技术进行识别的方法包括：
使用Tensorflow框架进行机器深度学习，通过人脸数据训练整理出Haar特征分类器，训练好后，通过opencv图像处理库的CascadeClassifier读取数据库中的人像类素材，利用Haar特征分类器感知读取到人像类素材上的特征从而进行人脸识别。
进一步的，步骤S3包括：
将设计师整理出的艺术字效果进行解析分层后对每一层进行程序实现，通过混合模式将多层效果组合以达到艺术字效果并且存储该种艺术字的生成数据；
对图像中的字体效果进行生成时，调用相应艺术字的生成数据完成图像中字体效果的生成。
进一步的，所述色彩平衡处理是通过获取各素材的色调信息，调节素材间的色调差距实现。
进一步的，步骤S4中，所述色彩平衡处理的实现方法进一步包括：
将图像转化为HSV图像，将HSV值划分区域，其中划分的依据则是在HSV颜色空间中计算基本色所对应的HSV分量，以阈值为界限对HSV分量进行划，形成分区；
获取图像中各素材自身的HSV所在区域，比较任意两个素材之间的区域距离，当区域距离当小于或等于预设距离值则满足色调平衡，否则根据参考色调素材的色调值进行加减其余素材的H值，直至达到色调平衡。
进一步的，步骤S5包括：
人工审核中，对出现的所有素材进行记分，遇到组成通过的图像中的素材则给出现次数和通过次数都加1，不通过的则给出现次数和不通过次数加1，基于“通过次数/出现次数”计算每个素材的通过率；
在剩余的图像中，通过贝叶斯算法算出每个素材的通过率；
对全部素材的通过率均达标的图像进行输出。
依据本发明的另一个方面，提供了一种电子设备，其中，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行所述的方法。
依据本发明的另一个方面，提供了一种计算机可读存储介质，其中，计算机可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现所述的方法。
本发明的方法，通过对组成设计图像的各个素材进行对应排版规则的标签处理，在排版合成中，素材与版式通过规则组合，批量生成多张设计图像，再通过美术处理机制对设计图像进行美术上的动态处理，包括色彩平衡、位置动态适配调整等，然后基于通过率对设计图像进行筛选，最终得出符合标准的生成结果供设计师选择。如此，通过由数据和算法驱动，实现海量广告图像的批量生产以及对内容的智能制作及效果优化，提升机器生成图像的质量。
所述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的所述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的台件。
在附图中：
图1示出了本发明的智能生成广告海报的方法的实施流程；
图2示出了本发明的电子设备的结构示意图；
图3示出了本发明的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本实施例基于电子设备实施，如计算机设备，电子设备包括存储器、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，所述处理器执行所述程序时，如图1所示，实现以下的智能生成广告海报的方法，包括依序执行的步骤S1～S5。
步骤S1.对数据库中的各类素材进行标签化处理。
具体而言，素材的标签化工作，具体是将每个素材以规定的标签进行命名，标签与后文的排版规则一一对应。
其中，根据排版规则，预设的素材种类有：(1)背景框类，如背景框底色、背景框边框、背景框装饰等；(2)背景类，如背景纹样、背景底色、背景装饰等；(3)人像类；(4)产品类；(5)标题类，如主标题框、副标题框等；(6)装饰元素类，如内元素、外元素等；(7)其他类，如LOGO、二维码等。
步骤S2.基于规定有排版规则的版式，使用带标签的各个素材按版式的排版规则进行组合嵌套，批量生成符合排版规则的图像。
具体而言，先人工总结制作一系列排版的版式，每个版式中各自规定其排版规则，其中排版规则是以层级(与素材的标签相对应)为基础，划分背景层、背景框层、元素层、人像层、产品层、标题层、其他层，每个排版规则设定该版式拥有的层级情况，并对定义每个层级的锚点、摆放的最大范围以及缩放的范围。
各版式制作完成后，通过程序化，使用数据库中带标签的各个素材按版式的排版规则进行组合嵌套，实现批量生成符合版式规则的RGB图像。
进一步的，因为人像类素材的脸部方向大小、倾斜角度、素材大小等因素导致人像类素材被使用的限制加强，所以需在涉及人像层级的版式中对人像类素材脸部的方向、大小进行条件限制，因此，涉及人像层级的版式的排版规则中还需定义人像类素材脸部的方向、大小要求，而在对涉及人像层级的版式进行组合嵌套时，则需先通过人脸识别技术识别数据库中各人像类素材的人脸数据，然后筛选出其中符合要求的人像类素材，用这些人像类素材进行组合嵌套，以保证完美的呈现。
具体地，通过人脸识别技术进行识别的方法包括：使用Google的Tensorflow框架进行机器深度学习，通过大量的人脸数据训练整理出Haar特征分类器(XML文件，文件描述了人体各个部分Haar特征值，包括人脸、眼睛、嘴唇等数据)，训练好后，通过opencv图像处理库的CascadeClassifier读取数据库中的人像类素材，利用Haar特征分类器感知读取到人像类素材上的特征，进而进行人脸识别以获得人脸数据。其中，人脸识别的各执行步骤可通过python进行链接调用，实现自动化处理。
步骤S3.对所生成的每一张图像中的字体效果进行生成，形成多张不同字体效果的RGB图像。
字体效果的生成主要针对的是艺术字效果，对于常用的混合模式效果目前支持的线性减淡(add)、lighten、darken、overlay等模式，目的是达到和Photoshop中混合模式相同的效果。
具体而言，技术人员通过对设计师整理出的常用艺术字效果进行解析、分层，使用程序实现每一层的效果，再通过混合模式(叠加模式)将多层效果组合以达到艺术字效果并且存储该种艺术字的生成数据。对图像中的字体效果进行生成时，调用相应艺术字的生成数据完成图像中字体效果的生成。
其中，基础的层效果包括：文字渐变、阴影、外发光、浮雕等。
所述混合模式(叠加模式)，技术实现方式是通过getImageData获取源对象和目标对象的所有图像数据，然后根据所选择的模式确定其对应的转换方式，将目标对象的所有图像数据按选定转换方式转换至源对象上，再将最终转换所得的数据进行重新绘图。
所述浮雕效果是使用OpenCV生成对应文字的浮雕图像，使用overlay的叠加模式进行叠加。
步骤S4.对每一张图像进行整体的色彩平衡处理。
所述色彩平衡处理是通过获取各素材的色调信息，调节素材间的色调差距实现，具体而言，将RGB图像转化为HSV图像，然后将HSV值划分区域，其中划分的依据则是在HSV颜色空间中计算基本色(黑白灰红橙黄绿蓝青紫)所对应的HSV分量(根据HSV色彩空间模型中的圆锥形模型，圆锥的顶面对应于V＝1，它包含RGB模型中的R＝1，G＝1，B＝1三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°，绿色对应于角度120°，蓝色对应于角度240°。在模型中，每一种颜色和它的补色相差180°。饱和度S取值从0到1，所以圆锥顶面的半径为1。模型所代表的颜色域是CIE色度图的一个子集，这个模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V＝0,H和S无定义，代表黑色。圆锥的顶面中心处S＝0，V＝1,H无定义，代表白色，从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，S＝0,H的值无定义)，然后以多次测试实验计算所得的阈值为界限对HSV分量进行划，形成分区。
然后获取图像中各素材自身的HSV所在区域，比较任意两个素材之间的区域距离，当区域距离当小于或等于预设距离值(可动态设定)则满足色调平衡，否则根据参考色调素材的色调值进行加减其余素材的H值，直至达到色调平衡。
步骤S5.人工审核20％的图像，基于人工的审核结果计算每个素材的通过率，通过贝叶斯算法，自动审核余下80％的图像，对全部素材的通过率均达标的图像进行输出。
具体而言，图像由多种的素材组成，通过人工审核20％的图像，可以得到组成这些图像的素材的通过数量，由此算出每个素材的通过率，比如说审核了10个图像，通过3个图像，不通过7个图像，此时可以将出现的所有素材全部取出记分(通过次数、不通过次数、出现次数)，遇到组成通过的图像中的素材则给出现次数和通过次数都加1，不通过的则给出现次数和不通过次数加1，这一步完成后，可以计算出每个素材的通过率，即“通过次数/出现次数”，得到每个素材通过率后，在剩余的80％的图像中，通过贝叶斯算法算出每个素材的通过率，然后对全部素材的通过率均达标的图像进行输出，得出最终的生成结果。
进一步的，可通过动态调节通过率来控制通过的图像数量。
本实施例的方法，通过对组成设计图像的各个素材进行对应排版规则的标签处理，在排版合成中，素材与版式通过规则组合，批量生成多张设计图像，再通过美术处理机制对设计图像进行美术上的动态处理，包括色彩平衡、位置动态适配调整等，然后基于通过率对设计图像进行筛选，最终得出符合标准的生成结果供设计师选择。如此，通过由数据和算法驱动，实现海量广告图像的批量生产以及对内容的智能制作及效果优化，提升机器生成图像的质量。
本实施例的方法，通过提炼创意方法论与优化算法结构等手段，大大提升机器生成图像的质量，可应用于包括公众号Banner生成、线上海报、线下物料等多个场景，扩展应用领域。
需要说明的是：
本实施例所用的方法，可转化为可存储于计算机存储介质中的程序步骤及装置，通过被控制器调用执行的方式进行实施，其中所述装置应当被理解为计算机程序实现的功能模块。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图2示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备传统上包括处理器31和被安排成存储计算机可执行指令(程序代码)的存储器32。存储器32可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器32具有存储用于执行实施例中的任何方法步骤的程序代码34的存储空间33。例如，用于程序代码的存储空间33可以包括分别用于实现上面的方法中的各种步骤的各个程序代码34。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图3所述的计算机可读存储介质。该计算机可读存储介质可以具有与图2的电子设备中的存储器32类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元存储有用于执行根据本发明的方法步骤的程序代码41，即可以由诸如31之类的处理器读取的程序代码，当这些程序代码由电子设备运行时，导致该电子设备执行上面所描述的方法中的各个步骤。
应该注意的是所述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种智能生成广告海报的方法，其特征在于，包括：
步骤S1.对数据库中的各类素材进行标签化处理；
步骤S2.基于规定有排版规则的版式，使用带标签的各个素材按版式的排版规则进行组合嵌套，批量生成符合排版规则的图像，其中步骤S1中的标签与所述排版规则一一对应；
步骤S3.对所生成的每一张图像中的字体效果进行生成，形成多张不同字体效果的图像；
步骤S4.对每一张图像进行整体的色彩平衡处理；
步骤S5.基于人工审核部分图像的审核结果计算每个素材的通过率，通过贝叶斯算法自动审核余下图像，对全部素材的通过率均达标的图像进行输出。
2.如权利要求1所述的方法，其特征在于，步骤S2中版式的获得方式进一步包括：
制作一系列排版的版式，每个版式中各自规定其排版规则，其中排版规则以层级为基础，划分为背景层、背景框层、元素层、人像层、产品层、标题层、其他层，所述标签对应层级设置，每个排版规则设定该版式拥有的层级情况，并定义每个层级的锚点、摆放的最大范围以及缩放的范围。
3.如权利要求2所述的方法，其特征在于，对涉及人像层的版式的排版规则中定义人像类素材脸部的方向、大小要求，在对涉及人像层的版式进行组合嵌套时，通过人脸识别技术识别筛选数据库中符合所述要求的人像类素材进行组合嵌套。
4.如权利要求3所述的方法，其特征在于，通过人脸识别技术进行识别的方法包括：
使用Tensorflow框架进行机器深度学习，通过人脸数据训练整理出Haar特征分类器，训练好后，通过opencv图像处理库的CascadeClassifier读取数据库中的人像类素材，利用Haar特征分类器感知读取到人像类素材上的特征从而进行人脸识别。
5.如权利要求1所述的方法，其特征在于，步骤S3进一步包括：
将设计师整理出的艺术字效果进行解析分层后对每一层进行程序实现，通过混合模式将多层效果组合以达到艺术字效果并且存储该种艺术字的生成数据；
对图像中的字体效果进行生成时，调用相应艺术字的生成数据完成图像中字体效果的生成。
6.如权利要求1所述的方法，其特征在于，步骤S4进一步包括：所述色彩平衡处理是通过获取各素材的色调信息，调节素材间的色调差距实现。
7.如权利要求6所述的方法，其特征在于，所述色彩平衡处理的实现方法进一步包括：
将图像转化为HSV图像，将HSV值划分区域，其中划分的依据则是在HSV颜色空间中计算基本色所对应的HSV分量，以阈值为界限对HSV分量进行划，形成分区；
获取图像中各素材自身的HSV所在区域，比较任意两个素材之间的区域距离，当区域距离当小于或等于预设距离值则满足色调平衡，否则根据参考色调素材的色调值进行加减其余素材的H值，直至达到色调平衡。
8.如权利要求1所述的方法，其特征在于，步骤S5进一步包括：
人工审核中，对出现的所有素材进行记分，遇到组成通过的图像中的素材则给出现次数和通过次数都加1，不通过的则给出现次数和不通过次数加1，基于“通过次数/出现次数”计算每个素材的通过率；
在剩余的图像中，通过贝叶斯算法算出每个素材的通过率；
对全部素材的通过率均达标的图像进行输出。
9.一种电子设备，其中，该电子设备包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1～8中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1～8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110011793.7A CN112669090A (zh) | 2021-01-06 | 2021-01-06 | 一种智能生成广告海报的方法、电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110011793.7A CN112669090A (zh) | 2021-01-06 | 2021-01-06 | 一种智能生成广告海报的方法、电子设备、计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112669090A true CN112669090A (zh) | 2021-04-16 |
Family
ID=75413153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110011793.7A Pending CN112669090A (zh) | 2021-01-06 | 2021-01-06 | 一种智能生成广告海报的方法、电子设备、计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112669090A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750666A (zh) * | 2018-07-04 | 2020-02-04 | 北京京东尚科信息技术有限公司 | 图片生成方法、系统、电子设备及存储介质 |
| CN111833099A (zh) * | 2020-06-24 | 2020-10-27 | 广州筷子信息科技有限公司 | 一种生成创意广告的方法和系统 |
| CN111986785A (zh) * | 2020-08-26 | 2020-11-24 | 北京至真互联网技术有限公司 | 医学影像标注方法和装置、设备及存储介质 |
| CN112036147A (zh) * | 2020-08-28 | 2020-12-04 | 平安科技（深圳）有限公司 | 将图片转换为网页的方法、装置、计算机设备和存储介质 |
-
2021
- 2021-01-06 CN CN202110011793.7A patent/CN112669090A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750666A (zh) * | 2018-07-04 | 2020-02-04 | 北京京东尚科信息技术有限公司 | 图片生成方法、系统、电子设备及存储介质 |
| CN111833099A (zh) * | 2020-06-24 | 2020-10-27 | 广州筷子信息科技有限公司 | 一种生成创意广告的方法和系统 |
| CN111986785A (zh) * | 2020-08-26 | 2020-11-24 | 北京至真互联网技术有限公司 | 医学影像标注方法和装置、设备及存储介质 |
| CN112036147A (zh) * | 2020-08-28 | 2020-12-04 | 平安科技（深圳）有限公司 | 将图片转换为网页的方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11620774B2 (en) | Generative adversarial network (GAN)-based system for generating color image from edge image | |
| CN107016415B (zh) | 一种基于全卷积网络的彩色图像色彩语义分类方法 | |
| CN106537390B (zh) | 标识教育视频的呈现样式 | |
| CN115511969B (zh) | 图像处理与数据渲染方法、设备及介质 | |
| CN112990205B (zh) | 手写字符样本的生成方法及装置、电子设备、存储介质 | |
| US20220180122A1 (en) | Method for generating a plurality of sets of training image data for training machine learning model | |
| CN110750666A (zh) | 图片生成方法、系统、电子设备及存储介质 | |
| CN111460782A (zh) | 一种信息处理方法、装置及设备 | |
| Murray et al. | Toward automatic and flexible concept transfer | |
| JP7383022B2 (ja) | 自動リアルタイム高ダイナミックレンジコンテンツレビューシステム | |
| CN117412449B (zh) | 氛围灯设备及其灯效播放控制方法和相应的装置、介质 | |
| CN115205626A (zh) | 一种应用于涂层缺陷检测领域的数据增强方法 | |
| CN106204663A (zh) | 基于高保真藏图的印刷品表现力增强方法及系统 | |
| CN112669090A (zh) | 一种智能生成广告海报的方法、电子设备、计算机可读存储介质 | |
| CN111242836B (zh) | 目标图像生成以及广告图像生成的方法、装置和设备 | |
| CN111368767A (zh) | 家居素材色调的识别方法、装置及电子设备 | |
| US20230129240A1 (en) | Automatic Image Conversion | |
| CN112218006B (zh) | 一种多媒体数据处理方法、装置、电子设备及存储介质 | |
| CN104517115A (zh) | 分类处理方法和装置 | |
| CN115605913A (zh) | 图像处理装置、图像处理方法、学习装置、生成方法以及程序 | |
| US20230328193A1 (en) | Color management in printing | |
| CN117412450B (zh) | 氛围灯设备及其灯效配色方法和相应的装置、介质 | |
| CN117412452B (zh) | 氛围灯设备及其配色方法和相应的装置、介质 | |
| CN110674720A (zh) | 图片识别方法、装置、电子设备及存储介质 | |
| JPH0314077A (ja) | パターン認識方法および装置 |
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 |