CN114219875A - 一种基于StyleGAN的智能LOGO生成方法 - Google Patents
一种基于StyleGAN的智能LOGO生成方法 Download PDFInfo
- Publication number
- CN114219875A CN114219875A CN202111474576.8A CN202111474576A CN114219875A CN 114219875 A CN114219875 A CN 114219875A CN 202111474576 A CN202111474576 A CN 202111474576A CN 114219875 A CN114219875 A CN 114219875A
- Authority
- CN
- China
- Prior art keywords
- logo
- font
- name
- icon
- mouth number
- 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 27
- 238000013461 design Methods 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及计算机视觉技术领域以及图形处理方法技术领域,特别涉及一种基于StyleGAN的智能LOGO生成方法。本发明采用了StyleGAN算法,基于海量的logo数据集训练得到的logo图标生成模型,通过生成模型生成logo图标比完全人工或者半人工的效率更高;效果比人工规则生成的logo更符合美学,风格也更多样。
Description
技术领域
本发明涉及计算机视觉技术领域以及图形处理方法技术领域,特别涉及一种基于StyleGAN的智能LOGO生成方法。
背景技术
一个完整的logo图形由logo图标+logo名称+logo口号+logo字体搭配规则+logo布局规则+logo配色规则组成。针对logo图标,目前业内的常用技术是这样的:一种是完全由设计师设计;还有一种是把设计师手工设计的某些步骤总结成规则,然后实现人工+规则的半人工化设计,比如已经进行专利授权的《基于自然模式的Logo生成方法、智能Logo生成器》,申请公布号CN 108549530 A,申请号:202110966926.6。
生成对抗网络(Generative Adversarial Networks,GAN)是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中两个模块:生成模型和判别模型的互相博弈学习产生相当好的输出。GAN能够生成不存在于真实世界的数据,在图像生成、图像去噪、数据增强方面有着重要的作用。StyleGAN受风格迁移启发而设计了一种新的生成器网络结构。新的网络结构可以通过无监督式的自动学习对图像的高层语义属性做一定解耦分离,也可以做到一定程度上的控制合成。
现有技术下,logo图标的设计依赖人工设计师,受限于人工的效率,人工设计师设计logo图标的效率会比较低。
发明内容
为了解决现有技术的问题,本发明提供了一种基于StyleGAN的智能LOGO生成方法,其能够提升设计logo的效率,实现毫秒级的批量生成logo。
本发明所采用的技术方案如下:
一种基于StyleGAN的智能LOGO生成方法,包括以下步骤:
A、生成logo图标模型;
B、生成logo口号字体库和logo名称字体库;
C、用户提出设计需求,所述的设计需求包括:logo的名称、logo的口号,选择logo所属行业;
D、根据选择的logo所属行业,所述的logo图标模型生成相应的logo图标;
E、根据所述的设计需求,随机从所述的logo口号字体库和logo名称字体库各自抽出一种口号字体和名称字体作为logo口号字体和logo名称字体。
步骤A中,生成logo图标模型的具体方法包括:
A1、准备一批logo图标数据集;
A2、根据行业将所述的logo图标数据集分成不同的子数据集;
A3、在所述的子数据集上,用StyleGAN分别训练,从而获得不同行业的logo图标模型模型。
步骤D中,生成logo口号字体库和logo名称字体库的具体方法包括:
B1、准备一批logo数据;
B2、将所述的logo数据按照行业划分成不同的子数据集;
B3、标注所述子数据集中的logo名称和logo口号的字体;
B4、分别统计步骤B3中各个子数据集中logo名称的字体出现的次数;
B5、分别统计步骤B3中各个子数据集中logo口号的字体出现的次数;
B6、获取所述步骤B4中各个子数据集logo名称的字体出现次数top N的字体;
B7、获取所述步骤B5中各个子数据集logo口号的字体出现次数top N的字体;
B8、将所述步骤B6中的子数据集与步骤B2中的行业一一对应,从而得到各个行业logo名称的字体,并将各个行业下的logo名称字体作为各个行业的logo名称字体库;
B9、将所述步骤B7中的子数据集与步骤B2中的行业一一对应,从而得到各个行业logo口号的字体,并将各个行业下的logo口号字体作为各个行业的logo口号字体库。
优选地,本发明的方法还包括logo布局的生成步骤,具体是:logo名称和logo口号上下布局,构成logo名称口号组合,随机确定logo图标和所述的logo名称口号组合的布局关系,所述的布局关系有两种:logo图标在左边,logo名称口号组合在右边;以及logo图标在上方,logo名称口号组合在下方。
优选地,本发明的方法还包括logo配色的生成步骤,具体是:
F1、获取logo图标的RGB颜色及颜色区域面积占比;
F2、获取所述步骤F1中颜色区域面积占比top N的RGB颜色,作为logo图标的主要颜色;
F3、从步骤F2中所述的logo图标的主要颜色中随机抽取一种颜色,作为logo名称和logo口号的字体颜色。
本发明提供的技术方案带来的有益效果是:
本发明采用了StyleGAN算法,基于海量的logo数据集训练得到的logo图标生成模型,通过生成模型生成logo图标比完全人工或者半人工的效率更高;效果比人工规则生成的logo更符合美学,风格也更多样。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于STYLEGAN的智能LOGO生成方法的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
如附图1所示,本实施例的一种基于STYLEGAN的智能LOGO生成方法,包括以下过程:
1、用户输入logo的名称、logo的口号,选择logo所属行业;
2、生成步骤
2.1、准备一批logo图标数据集;
2.2、根据行业将2.1分成不同的子数据集;
2.3、在2.2的子数据集上,用StyleGAN分别训练不同行业的生成模型;
2.4、当用户选择行业时候,就可以根据2.3的生成模型生成对应的logo图标。
3、logo字体搭配规则
本实施例的logo字体搭配规则如下:
3.1、准备一批logo数据
3.2、将3.1的logo数据按照行业划分成不同的子数据集
3.3、人工标注3.2中各个子数据集中logo名称和logo口号的字体;
3.4、分别统计3.3中各个子数据集中logo名称的字体出现的次数;
3.5、分别统计3.3中各个子数据集中logo口号的字体出现的次数;
3.6、获取3.4中各个子数据集logo名称的字体出现次数topN的字体;
3.7、获取3.5中各个子数据集logo口号的字体出现次数topN的字体;
3.8、将3.6的子数据集与3.2中的行业一一对应,从而根据3.6得到各个行业logo名称的字体,并将各个行业下的logo名称字体作为各个行业的logo名称字体库;
3.9、将3.7中的子数据集与3.2中的行业一一对应,从而根据3.7得到各个行业logo口号的字体,并将各个行业下的logo口号字体作为各个行业的logo口号字体库;
3.10、当用户选择行业后,根据3.8,获取该行业的logo名称字体库,再随机从该字体库中随机抽取一种字体作为logo名称字体;
3.11、当用户选择行业后,根据3.9,获取该行业的logo口号字体库,再随机从该字体库中随机抽取一种字体作为logo口号字体。
4、logo布局规则
logo名称和logo口号是作为一个相对位置不变的组合存在,下面简称“logo名称口号组合”,在这个组合中,logo名称一直在logo口号的上面。logo图标与logo名称口号组合的布局有两种:
4.1、logo图标在左边,logo名称口号组合在右边;
4.2、logo图标在上方,logo名称口号组合在下方;
5、logo配色规则
本实施例的配色规则,主要是根据logo图标的颜色来动态调整logo名称和logo口号的配色规则,具体如下:
5.1、获取logo图标的rgb颜色及颜色区域面积占比;
5.2、获取5.1中颜色区域面积占比topN的rgb颜色,作为logo图标的主要颜色;
5.3、从5.2中logo图标的主要颜色中随机抽取一种颜色,作为logo名称和logo口号的字体颜色;
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于StyleGAN的智能LOGO生成方法,包括以下步骤:
A、生成logo图标模型;
B、生成logo口号字体库和logo名称字体库;
C、用户提出设计需求,所述的设计需求包括:logo的名称、logo的口号,选择logo所属行业;
D、根据选择的logo所属行业,所述的logo图标模型生成相应的logo图标;
E、根据所述的设计需求,随机从所述的logo口号字体库和logo名称字体库各自抽出一种口号字体和名称字体作为logo口号字体和logo名称字体。
2.根据权利要求1所述的一种基于StyleGAN的智能LOGO生成方法,其特征在于,所述的步骤A中,生成logo图标模型的具体方法包括:
A1、准备一批logo图标数据集;
A2、根据行业将所述的logo图标数据集分成不同的子数据集;
A3、在所述的子数据集上,用StyleGAN分别训练,从而获得不同行业的logo图标模型模型。
3.根据权利要求1所述的一种基于StyleGAN的智能LOGO生成方法,其特征在于,所述的步骤D中,生成logo口号字体库和logo名称字体库的具体方法包括:
B1、准备一批logo数据;
B2、将所述的logo数据按照行业划分成不同的子数据集;
B3、标注所述子数据集中的logo名称和logo口号的字体;
B4、分别统计步骤B3中各个子数据集中logo名称的字体出现的次数;
B5、分别统计步骤B3中各个子数据集中logo口号的字体出现的次数;
B6、获取所述步骤B4中各个子数据集logo名称的字体出现次数top N的字体;
B7、获取所述步骤B5中各个子数据集logo口号的字体出现次数top N的字体;
B8、将所述步骤B6中的子数据集与步骤B2中的行业一一对应,从而得到各个行业logo名称的字体,并将各个行业下的logo名称字体作为各个行业的logo名称字体库;
B9、将所述步骤B7中的子数据集与步骤B2中的行业一一对应,从而得到各个行业logo口号的字体,并将各个行业下的logo口号字体作为各个行业的logo口号字体库。
4.根据权利要求1所述的一种基于StyleGAN的智能LOGO生成方法,其特征在于,所述方法还包括logo布局的生成步骤,具体是:logo名称和logo口号上下布局,构成logo名称口号组合,随机确定logo图标和所述的logo名称口号组合的布局关系,所述的布局关系有两种:logo图标在左边,logo名称口号组合在右边;以及logo图标在上方,logo名称口号组合在下方。
5.根据权利要求1或4所述的一种基于StyleGAN的智能LOGO生成方法,其特征在于,所述方法还包括logo配色的生成步骤,具体是:
F1、获取logo图标的RGB颜色及颜色区域面积占比;
F2、获取所述步骤F1中颜色区域面积占比top N的RGB颜色,作为logo图标的主要颜色;
F3、从步骤F2中所述的logo图标的主要颜色中随机抽取一种颜色,作为logo名称和logo口号的字体颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111474576.8A CN114219875A (zh) | 2021-12-03 | 2021-12-03 | 一种基于StyleGAN的智能LOGO生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111474576.8A CN114219875A (zh) | 2021-12-03 | 2021-12-03 | 一种基于StyleGAN的智能LOGO生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219875A true CN114219875A (zh) | 2022-03-22 |
Family
ID=80699789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111474576.8A Pending CN114219875A (zh) | 2021-12-03 | 2021-12-03 | 一种基于StyleGAN的智能LOGO生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219875A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998631A (zh) * | 2022-08-08 | 2022-09-02 | 成都薯片科技有限公司 | 企业logo生成方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832469A (zh) * | 2017-11-29 | 2018-03-23 | 北京洪泰同创信息技术有限公司 | 一种企业logo图像的生成方法及装置 |
CN109859291A (zh) * | 2019-02-21 | 2019-06-07 | 北京一品智尚信息科技有限公司 | 智能logo设计方法、系统和存储介质 |
CN110196917A (zh) * | 2019-05-30 | 2019-09-03 | 厦门一品威客网络科技股份有限公司 | 个性化logo版式定制方法、系统和存储介质 |
CN111784592A (zh) * | 2020-05-19 | 2020-10-16 | 知昇(上海)人工智能科技有限公司 | 一种基于gan的自动化设计图像生成方法 |
WO2020228536A1 (zh) * | 2019-05-15 | 2020-11-19 | 京东方科技集团股份有限公司 | 图标生成方法及装置、获取图标的方法、电子设备以及存储介质 |
-
2021
- 2021-12-03 CN CN202111474576.8A patent/CN114219875A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832469A (zh) * | 2017-11-29 | 2018-03-23 | 北京洪泰同创信息技术有限公司 | 一种企业logo图像的生成方法及装置 |
CN109859291A (zh) * | 2019-02-21 | 2019-06-07 | 北京一品智尚信息科技有限公司 | 智能logo设计方法、系统和存储介质 |
WO2020228536A1 (zh) * | 2019-05-15 | 2020-11-19 | 京东方科技集团股份有限公司 | 图标生成方法及装置、获取图标的方法、电子设备以及存储介质 |
CN110196917A (zh) * | 2019-05-30 | 2019-09-03 | 厦门一品威客网络科技股份有限公司 | 个性化logo版式定制方法、系统和存储介质 |
CN111784592A (zh) * | 2020-05-19 | 2020-10-16 | 知昇(上海)人工智能科技有限公司 | 一种基于gan的自动化设计图像生成方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998631A (zh) * | 2022-08-08 | 2022-09-02 | 成都薯片科技有限公司 | 企业logo生成方法、装置及存储介质 |
CN114998631B (zh) * | 2022-08-08 | 2022-11-11 | 成都薯片科技有限公司 | 企业logo生成方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503598A (zh) | 基于条件循环一致性生成对抗网络的字体风格迁移方法 | |
CN110569033B (zh) | 一种数字化交易类智能合约基础代码生成方法 | |
CN110533737A (zh) | 基于结构引导汉字字体生成的方法 | |
CN110414519A (zh) | 一种图片文字的识别方法及其识别装置 | |
CN110969681B (zh) | 一种基于gan网络的手写体书法文字生成方法 | |
CN103942571B (zh) | 一种基于遗传规划算法的图形图像分类方法 | |
CN103186511A (zh) | 汉字造字方法和设备、构造字体库的方法 | |
CN107845072A (zh) | 图像生成方法、装置、存储介质及终端设备 | |
CN111833236B (zh) | 产生模拟用户的三维脸部模型的方法及装置 | |
CN110321788A (zh) | 训练数据处理方法、装置、设备及计算机可读存储介质 | |
CN112221145B (zh) | 游戏脸模生成方法及装置、存储介质及电子设备 | |
CN107480688A (zh) | 基于零样本学习的细粒度图像识别方法 | |
JP7289942B2 (ja) | フォント生成モデルトレーニング方法、フォントライブラリ作成方法、フォント生成モデルトレーニング装置、フォントライブラリ作成装置、電子機器、コンピュータ可読記憶媒体、及び、コンピュータプログラム | |
CN108960301A (zh) | 一种基于卷积神经网络的古彝文识别方法 | |
CN108460056A (zh) | 一种dxf文件有效图元转换json数据的方法 | |
Tabata et al. | Automatic layout generation for graphical design magazines | |
EP3970118A1 (en) | Automatic generation of stylized icons | |
CN114219875A (zh) | 一种基于StyleGAN的智能LOGO生成方法 | |
CN110624244A (zh) | 游戏中脸部模型的编辑方法、装置和终端设备 | |
CN113239961A (zh) | 基于生成对抗网络的文本生成序列图像的方法 | |
CN104063359B (zh) | 个性化汉字字库的实现方法 | |
Yu et al. | Mask-guided GAN for robust text editing in the scene | |
CN110659702A (zh) | 基于生成式对抗网络模型书法字帖评价系统及方法 | |
CN113962192A (zh) | 汉字字体生成模型的生成方法、汉字字体生成方法及装置 | |
CN117557708A (zh) | 图像生成方法、装置、存储介质及计算机设备 |
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 |