CN115147850A - 文字生成模型的训练方法、文字生成方法及其装置 - Google Patents

文字生成模型的训练方法、文字生成方法及其装置 Download PDF

Info

Publication number
CN115147850A
CN115147850A CN202210777263.8A CN202210777263A CN115147850A CN 115147850 A CN115147850 A CN 115147850A CN 202210777263 A CN202210777263 A CN 202210777263A CN 115147850 A CN115147850 A CN 115147850A
Authority
CN
China
Prior art keywords
feature representation
character
generation model
sample
training
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
Application number
CN202210777263.8A
Other languages
English (en)
Other versions
CN115147850B (zh
Inventor
尚太章
唐礼承
刘家铭
洪智滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210777263.8A priority Critical patent/CN115147850B/zh
Publication of CN115147850A publication Critical patent/CN115147850A/zh
Application granted granted Critical
Publication of CN115147850B publication Critical patent/CN115147850B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Character Discrimination (AREA)

Abstract

本公开提供了文字生成模型的训练方法、文字生成方法及其装置，涉及人工智能技术领域，尤其涉及深度学习、图像处理、计算机视觉技术领域，该方法包括：获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字；对样本文字进行分割，获取样本文字的N个组成元素；根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示；基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。本申请实施例可以捕捉字体中的部首信息进行学习，可以实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。

Description

文字生成模型的训练方法、文字生成方法及其装置
技术领域
本公开涉及人工智能技术领域，尤其涉及深度学习、图像处理、计算机视觉技术领域，可应用于光学字符识别(Optical Character Recognition，OCR)等场景。
背景技术
相关技术中，输入法中的字体设计具有很复杂的流程，设计一套新的字体，需要字体设计人员耗费大量精力和时间，而对于复杂的语言，比如汉字，韩文，日文等等，往往不能很好的保留细节。因此，如何提高生成字体的效率以及准确率，已经成为重要的研究方向之一。
发明内容
本公开提供了一种文字生成模型的训练方法、文字生成方法及其装置。
根据本公开的一方面，提供了一种文字生成模型的训练方法，包括：
获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字；
对样本文字进行分割，获取样本文字的N个组成元素，N为正整数；
根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示；
基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
本申请实施例可以捕捉字体中的部首信息进行学习，可以实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
根据本公开的另一方面，提供了一种文字生成方法，包括：
将第一字体下的待生成文字输入到目标文字生成模型中进行文字生成，输出待生成文字对应的第二字体下的目标文字，目标文字生成模型根据如上述的文字生成模型的训练方法得到。
本申请实施例能够灵活多变的获取用户需要的字体，减少了字体设计的难度，实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
根据本公开的一方面，提供了一种文字生成模型的训练装置，包括：
第一获取模块，用于获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字；
分割模块，用于对样本文字进行分割，获取样本文字的N个组成元素，N为正整数；
第二获取模块，用于根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示；
训练模块，用于基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
根据本公开的一方面，提供了一种文字生成装置，包括：
文字生成模块，用于将第一字体下的待生成文字输入到目标文字生成模型中进行文字生成，输出待生成文字对应的第二字体下的目标文字，目标文字生成模型根据如上述的文字生成模型的训练装置得到。
根据本公开的一方面，提出了一种电子设备，包括至少一个处理器，以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开的文字生成模型的训练方法或文字生成方法。
根据本公开的一方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开的文字生成模型的训练方法或文字生成方法。
根据本公开的一方面，提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开的文字生成模型的训练方法或文字生成方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开一个实施例的文字生成模型的训练方法的流程图；
图2是本公开一个实施例的文字生成模型的训练方法的流程图；
图3是本公开一个实施例的文字生成模型的训练方法的流程图；
图4是本公开一个实施例的文字生成方法的流程图；
图5是本公开一个实施例的获取目标文字的示意图；
图6是本公开一个实施例的文字生成模型的训练方法的流程示意图；
图7是本公开一个实施例的文字生成模型的训练装置的结构图；
图8是本公开一个实施例的文字生成装置的结构图；
图9是用来实现本公开实施例的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了便于理解，下面对本申请涉及的技术领域进行介绍。
图像处理(Image Processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
计算机视觉(Computer Vision)，是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
人工智能(Artificial Intelligence，简称AI)，是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
图1是本公开一个实施例的文字生成模型的训练方法的流程图，如图1所示，该方法包括以下步骤：
S101，获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字。
需要说明的是，本申请中，文字指的是中文所表述的汉字，比如说“秒”、“藻”、“他”等汉字。
需要说明的是，本申请中，字体指的是文字的风格，比如说宋体、楷体、草书等字体风格。
将用于训练所选取的文字作为样本文字，以第一字体为黑体，第二字体为预先设计的手写体为例进行说明，样本文字包括500个不同的黑体汉字，参考文字为样本文字对应的手写体文字，训练文字对一共有500对，任一对训练文字中包括一个黑体文字以及改黑体文字对应的手写体文字。
可选地，第一字体还可以是宋体、楷体、行书、草书等140种不同的字体。
S102，对样本文字进行分割，获取样本文字的N个组成元素，N为正整数。
需要说明的是，本申请中，组成元素指的是一个文字的所有组成部分，以样本文字为“他”字进行举例说明，样本文字的2个组成元素，也就是“亻”与“也”共两个组成元素。以样本文字为“芯”字进行举例说明，样本文字的2个组成元素，也就是“心”与“艹”共两个组成元素。以样本文字为“合”字进行举例说明，样本文字的3个组成元素，也就是“人”、“一”与“口”共三个组成元素。
在一些实现中，对文字生成模型进行训练之前，需要获取用于对文字生成模型进行训练的样本图片，对样本图片进行语义分割，获取样本文字的N个组成元素。在一些实现中，可以根据分割算法获取样本文字的N个组成元素。可选地，还可以将样本文字输入神经网络，如语义分割网络(UNet)，从而获取样本文字的N个组成元素。
S103，根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示。
本申请实施例中，利用文字中包含的部首信息，提高文字生成的效果，也就是说，对样本文字和N个组成元素分别进行特征提取，获取样本文字和N个组成元素各自的特征表示，也就是N+1个特征表示。进而将这N+1个特征表示进行合并，从而获取携带部首信息，也就是各个组成元素信息的融合特征表示。
可选地，还需要对样本文字对应的参考文字进行特征提取，以获取参考文字的第一特征表示。
S104，基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
本申请实施例中，将上述获得的所有训练文字对分批输入文字生成模型中，对文字生成模型进行有监督的训练，直至训练到满足设定条件结束训练以获取目标文字生成模型。
可选地，文字生成模型可以是卷积神经网络和判别器的组合。例如，文字生成模型可以是残差网络(ResNet)和生成器，再例如，文字生成模型可以是密集连接卷积网络(DesNet)和生成器，再例如，文字生成模型可以是深度卷积神经网络(VGG感知网络)和生成器。
本申请实施例中，获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字；对样本文字进行分割，获取样本文字的N个组成元素，N为正整数；根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示；基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。本申请实施例可以捕捉字体中的部首信息进行学习，可以实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
图2是本公开一个实施例的文字生成模型的训练方法的流程图，如图2所示，该方法包括以下步骤：
S201，获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字。
S202，对样本文字进行分割，获取样本文字的N个组成元素，N为正整数。
步骤S201～步骤S202的介绍可以参见上述实施例中的相关内容，此处不再赘述。
S203，对样本文字和N个组成元素进行编码，获取样本文字的第二特征表示和N个组成元素各自的第三特征表示。
编码器通常是一个预先训练的神经网络，例如，可以通过卷积神经网络(Convolutional Neural Network，CNN)对样本文字和N个组成元素进行编码，获取样本文字的第二特征表示和N个组成元素各自的第三特征表示。编码器还可以是一个或多个卷积层，可以通过卷积层对对样本文字和N个组成元素进行编码，获取样本文字的第二特征表示和N个组成元素各自的第三特征表示。
S204，获取N个组成元素的分割标签，并根据组成元素的分割标签、第二特征表示和第三特征表示获取融合特征表示。
需要说明的是，本申请实施例中，获取N个组成元素以及N个组成元素的分割标签的过程，包括：将样本文字输入语义分割网络，如UNet语义分割网络，获取N个组成元素以及N个组成元素的分割标签；或将样本文字发送给标注设备，由标注设备对样本文字进行分割并标注，标注设备将N个组成元素以及N个组成元素的分割标签发回给服务器，也就是说，服务器接收由标注设备发送的N个组成元素以及N个组成元素的分割标签。
根据任一组成元素的分割标签，确定组成元素在样本文字中的位置信息。以样本文字为“他”字进行举例说明，组成元素“亻”在样本文字中靠左的位置，样本文字“也”在样本文字中靠右的位置。以样本文字为“芯”字进行举例说明，样本文字“心”在样本文字中靠下的位置，组成元素“艹”在样本文字中靠上的位置。在位置信息的约束下，根据第二特征表示的尺寸信息，对组成元素对应的第三特征表示进行调整。本申请实施例中，特征表示即为特征图，可以表示为C*H*W的三维矩阵，其中C为矩阵的通道(channels)，channels的含义是，用于特征提取的卷积层中卷积核的数量。H为矩阵的高，W为矩阵的宽。
响应于第三特征表示的尺寸信息与第二特征表示的尺寸信息不一致，基于位置信息和第二特征表示的尺寸信息，对第三特征表示的尺寸信息进行调整，使得第三特征表示与第二特征表示具有相同的H和W。本申请实施例中，可以在位置信息的约束下根据样本文字所在的图像的尺寸信息对组成元素所在图像进行调整，使得特征提取后的第二特征表示和第三特征表示尺寸相同。
将调整后的第三特征表示和第二特征表示进行拼接，获取融合特征表示。可选地，可以采用如下公式获取融合特征表示：
Cr*H*W＝(C2*H*W)+(C3*H*W)
其中，C2*H*W为第二特征表示，C3*H*W为第三特征表示，Cr*H*W为融合特征表示，其中，Cr、C2、C3为通道数，Cr＝C2+C3。
S205，获取参考文字的第一特征表示，并基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
步骤S205的介绍可以参见上述实施例中的相关内容，此处不再赘述。
本申请中，对样本文字和N个组成元素进行编码，获取样本文字的第二特征表示和N个组成元素各自的第三特征表示，获取N个组成元素的分割标签，并根据组成元素的分割标签、第二特征表示和第三特征表示获取融合特征表示。本申请实施例可以获取字体中的部首信息进行学习，从而捕捉特征表示的细粒度实例不变性，实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
图3是本公开一个实施例的文字生成模型的训练方法的流程图，如图3所示，该方法包括以下步骤：
S301，获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字。
S302，对样本文字进行分割，获取样本文字的N个组成元素，N为正整数。
S303，根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示。
步骤S301～步骤S303的介绍可以参见上述实施例中的相关内容，此处不再赘述。
S304，将融合特征表示输入文字生成模型，以获取样本文字对应的预测文字，并对预测文字进行反向回归，得到第四特征表示。
本申请实施例中，文字生成模型包括神经网络和判别器，例如，文字生成模型可以是残差网络(ResNet)和生成器，再例如，文字生成模型可以是密集连接卷积网络(DesNet)和生成器，再例如，文字生成模型可以是深度卷积神经网络(VGG感知网络)和生成器。
将融合特征表示输入文字生成模型，以获取样本文字对应的第二字体下的预测文字。对预测文字进行反向回归，得到预测文字对应的第四特征表示。
S305，基于第一特征表示和预测文字的第四特征表示，确定文字生成模型的损失函数。
以文字生成模型包含VGG感知网络和生成器为例进行说明，本申请实施例中，根据VGG感知网络和生成器获取损失函数对文字生成芈姓进行反向调整。可选地，基于第一特征表示和第四特征表示，进行基于信息的回归损失运算，获取文字生成模型的第一损失函数。基于VGG感知网络提取到的中间层特征表示，进行感知损失运算，获取文字生成模型的第二损失函数。基于判别器对第一特征表示和第四特征表示的判别损失运算，获取文字生成模型的第三损失函数。将第一损失函数、第二损失函数和第三损失函数相加，确定文字生成模型的损失函数。需要说明的是，本申请实施例中，第二损失函数即感知损失(PerceptualLosses)，用于判断预测文字和参考文字之间的差别，第三损失函数即判别器损失，用于判别预测文字是否为样本文字对应的第二字体下的文字。
S306，根据损失函数对文字生成模型进行反向调整，返回调整后的文字生成模型进行下一次训练，直至训练结束生成目标文字生成模型。
根据上述确定的损失函数对文字生成模型进行模型调节，并返回对调节后的文字生成模型进行训练，循环此过程直至损失函数值收敛至某一预设阈值，或达到预定的训练次数，确定训练结束，得到目标文字生成模型。
本申请将融合特征表示输入文字生成模型，以获取样本文字对应的预测文字，并对预测文字进行反向回归，得到第四特征表示，基于第一特征表示和预测文字的第四特征表示，确定文字生成模型的损失函数，根据损失函数对文字生成模型进行反向调整，返回调整后的文字生成模型进行下一次训练，直至训练结束生成目标文字生成模型。本申请实施例可以获取字体中的部首信息进行学习，能够灵活多变的获取用户需要的字体，减少了字体设计的难度，提高生成字体的效率的同时，也提高了字体生成的准确率。
图4是本公开一个实施例的文字生成方法的流程图，如图4所示，该方法包括以下步骤：
S401，将第一字体下的待生成文字输入到目标文字生成模型中进行文字生成，输出待生成文字对应的第二字体下的目标文字。
若要获取第一字体下的文字在第二字体下的风格，需要将第一字体下的待生成文字输入到目标文字生成模型中，从而获取待生成文字对应的第二字体下的目标文字。
图5是本公开一个实施例的获取目标文字的示意图，如图5所示，将“我是一名员工”作为第一字体下的待生成文字输入目标文字生成模型中，获取待生成文字对应的第二字体下的目标文字“我是一名员工”。
需要说明的是，本公开实施例中，目标文字生成模型根据上述的目标文字生成模型的训练方法得到，获取目标字体后，可以将目标字体应用于光学字符识别等相关的下游任务。
本申请实施例能够灵活多变的获取用户需要的字体，减少了字体设计的难度，实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
图6是本公开一个实施例的文字生成模型的训练方法的流程示意图，如图6所示，本申请实施例中，将第一字体下的样本字体送入语义分割网络进行分割，获取样本文字的N个组成元素以及N个组成元素的分割标签，对样本文字和N个组成元素进行编码(encoder)，获取样本文字的第二特征表示和N个组成元素各自的第三特征表示，根据组成元素的分割标签，对第二特征表示和第三特征表示进行通道拼接，从而获取融合特征表示，将融合特征表示输入文字生成模型，获取样本字体对应的第二字体下的预测字体，根据预测字体与参考字体获取损失函数对文字生成模型进行调整，返回调整后的文字生成模型进行下一次训练，直至训练结束生成目标文字生成模型。
本申请实施例能够灵活多变的获取用户需要的字体，减少了字体设计的难度，实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
图7是本公开一个实施例的文字生成模型的训练装置的结构图，如图7所示，文字生成模型的训练装置700包括：
第一获取模块710，用于获取多个训练文字对，其中，任一训练文字对中包括第一字体下的样本文字，和样本文字对应的第二字体下的参考文字；
分割模块720，用于对样本文字进行分割，获取样本文字的N个组成元素，N为正整数；
第二获取模块730，用于根据样本文字和N个组成元素获取融合特征表示，以及获取参考文字的第一特征表示；
训练模块740，用于基于融合特征表示和第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
在一些实现中，第二获取模块730，还用于：
对样本文字和N个组成元素进行编码，获取样本文字的第二特征表示和N个组成元素各自的第三特征表示；
获取N个组成元素的分割标签，并根据组成元素的分割标签、第二特征表示和第三特征表示获取融合特征表示。
在一些实现中，第二获取模块730，还用于：
根据任一组成元素的分割标签，确定组成元素在样本文字中的位置信息；
在位置信息的约束下，根据第二特征表示的尺寸信息，对组成元素对应的第三特征表示进行调整；
将调整后的第三特征表示和第二特征表示进行拼接，获取融合特征表示。
在一些实现中，第二获取模块730，还用于，包括：
响应于第三特征表示的尺寸信息与第二特征表示的尺寸信息不一致，基于位置信息和第二特征表示的尺寸信息，对第三特征表示的尺寸信息进行调整。
在一些实现中，训练模块740，还用于：
将融合特征表示输入文字生成模型，以获取样本文字对应的预测文字，并对预测文字进行反向回归，得到第四特征表示；
基于第一特征表示和预测文字的第四特征表示，确定文字生成模型的损失函数；
根据损失函数对文字生成模型进行反向调整，返回调整后的文字生成模型进行下一次训练，直至训练结束生成目标文字生成模型。
在一些实现中，文字生成模型包括卷积神经网络和判别器，训练模块740，还用于：
基于第一特征表示和第四特征表示，进行基于信息的回归损失运算，获取文字生成模型的第一损失函数；
基于卷积神经网络提取到的中间层特征表示，进行感知损失运算，获取文字生成模型的第二损失函数；
基于判别器对第一特征表示和第四特征表示的判别损失运算，获取文字生成模型的第三损失函数；
基于第一损失函数、第二损失函数和第三损失函数确定文字生成模型的损失函数。
在一些实现中，获取N个组成元素以及N个组成元素的分割标签的过程，包括：
将样本文字输入语义分割网络，获取N个组成元素以及N个组成元素的分割标签；或
将样本文字发送给标注设备，并接收由标注设备发送的N个组成元素以及N个组成元素的分割标签。
本申请实施例可以捕捉字体中的部首信息进行学习，可以实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
图8是本公开一个实施例的文字生成装置的结构图，如图8所示，文字生成装置800包括：
文字生成模块810，用于将第一字体下的待生成文字输入到目标文字生成模型中进行文字生成，输出待生成文字对应的第二字体下的目标文字，目标文字生成模型根据如上述的训练装置得到。
本申请实施例能够灵活多变的获取用户需要的字体，减少了字体设计的难度，实现文字生成效果的优化，提高生成字体的效率的同时，也提高了字体生成的准确率。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如文字生成模型的训练方法或文字生成方法。例如，在一些实施例中，文字生成模型的训练方法或文字生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的文字生成模型的训练方法或文字生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文字生成模型的训练方法或文字生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种文字生成模型的训练方法，包括：
获取多个训练文字对，其中，任一所述训练文字对中包括第一字体下的样本文字，和所述样本文字对应的第二字体下的参考文字；
对所述样本文字进行分割，获取所述样本文字的N个组成元素，所述N为正整数；
根据所述样本文字和所述N个组成元素获取融合特征表示，以及获取所述参考文字的第一特征表示；
基于所述融合特征表示和所述第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
2.根据权利要求1所述的方法，其中，所述根据所述样本文字和所述N个组成元素获取融合特征表示，包括：
对所述样本文字和所述N个组成元素进行编码，获取所述样本文字的第二特征表示和所述N个组成元素各自的第三特征表示；
获取所述N个组成元素的分割标签，并根据所述组成元素的分割标签、所述第二特征表示和所述第三特征表示获取所述融合特征表示。
3.根据权利要求2所述的方法，其中，所述根据所述组成元素的分割标签、所述第二特征表示和所述第三特征表示获取所述融合特征表示，包括：
根据任一所述组成元素的分割标签，确定所述组成元素在所述样本文字中的位置信息；
在所述位置信息的约束下，根据所述第二特征表示的尺寸信息，对所述组成元素对应的第三特征表示进行调整；
将调整后的所述第三特征表示和所述第二特征表示进行拼接，获取所述融合特征表示。
4.根据权利要求3所述的方法，其中，所述在所述位置信息的约束下，根据所述第二特征表示的尺寸信息，对所述组成元素对应的第三特征表示进行调整，包括：
响应于所述第三特征表示的尺寸信息与所述第二特征表示的尺寸信息不一致，基于所述位置信息和所述第二特征表示的尺寸信息，对所述第三特征表示的尺寸信息进行调整。
5.根据权利要求1-4任一项所述的方法，其中，所述基于所述融合特征表示和所述第一特征表示对文字生成模型进行训练，以获取目标文字生成模型，包括：
将所述融合特征表示输入所述文字生成模型，以获取所述样本文字对应的预测文字，并对所述预测文字进行反向回归，得到第四特征表示；
基于所述第一特征表示和所述预测文字的第四特征表示，确定所述文字生成模型的损失函数；
根据所述损失函数对所述文字生成模型进行反向调整，返回调整后的所述文字生成模型进行下一次训练，直至训练结束生成目标文字生成模型。
6.根据权利要求5所述的方法，其中，所述文字生成模型包括神经网络和判别器，所述基于所述第一特征表示和所述预测文字的第四特征表示，确定所述文字生成模型的损失函数，包括：
基于所述第一特征表示和所述第四特征表示，进行基于信息的回归损失运算，获取所述文字生成模型的第一损失函数；
基于所述神经网络提取到的中间层特征表示，进行感知损失运算，获取所述文字生成模型的第二损失函数；
基于所述判别器对所述第一特征表示和所述第四特征表示的判别损失运算，获取所述文字生成模型的第三损失函数；
基于所述第一损失函数、所述第二损失函数和所述第三损失函数确定所述文字生成模型的损失函数。
7.根据权利要求4或6所述的方法，其中，获取所述N个组成元素以及所述N个组成元素的分割标签的过程，包括：
将所述样本文字输入语义分割网络，获取所述N个组成元素以及所述N个组成元素的分割标签；或
将所述样本文字发送给标注设备，并接收由所述标注设备发送的所述N个组成元素以及所述N个组成元素的分割标签。
8.一种文字生成方法，包括：
将第一字体下的待生成文字输入到目标文字生成模型中进行文字生成，输出所述待生成文字对应的第二字体下的目标文字，所述目标文字生成模型根据如权利要求1-7中任一项的所述训练方法得到。
9.一种文字生成模型的训练装置，包括：
第一获取模块，用于获取多个训练文字对，其中，任一所述训练文字对中包括第一字体下的样本文字，和所述样本文字对应的第二字体下的参考文字；
分割模块，用于对所述样本文字进行分割，获取所述样本文字的N个组成元素，所述N为正整数；
第二获取模块，用于根据所述样本文字和所述N个组成元素获取融合特征表示，以及获取所述参考文字的第一特征表示；
训练模块，用于基于所述融合特征表示和所述第一特征表示对文字生成模型进行训练，以获取目标文字生成模型。
10.根据权利要求9所述的装置，其中，所述第二获取模块，还用于：
对所述样本文字和所述N个组成元素进行编码，获取所述样本文字的第二特征表示和所述N个组成元素各自的第三特征表示；
获取所述N个组成元素的分割标签，并根据所述组成元素的分割标签、所述第二特征表示和所述第三特征表示获取所述融合特征表示。
11.根据权利要求10所述的装置，其中，所述第二获取模块，还用于：
根据任一所述组成元素的分割标签，确定所述组成元素在所述样本文字中的位置信息；
在所述位置信息的约束下，根据所述第二特征表示的尺寸信息，对所述组成元素对应的第三特征表示进行调整；
将调整后的所述第三特征表示和所述第二特征表示进行拼接，获取所述融合特征表示。
12.根据权利要求11所述的装置，其中，所述第二获取模块，还用于，包括：
响应于所述第三特征表示的尺寸信息与所述第二特征表示的尺寸信息不一致，基于所述位置信息和所述第二特征表示的尺寸信息，对所述第三特征表示的尺寸信息进行调整。
13.根据权利要求9-12任一项所述的装置，其中，所述训练模块，还用于：
将所述融合特征表示输入所述文字生成模型，以获取所述样本文字对应的预测文字，并对所述预测文字进行反向回归，得到第四特征表示；
基于所述第一特征表示和所述预测文字的第四特征表示，确定所述文字生成模型的损失函数；
根据所述损失函数对所述文字生成模型进行反向调整，返回调整后的所述文字生成模型进行下一次训练，直至训练结束生成目标文字生成模型。
14.根据权利要求13所述的装置，其中，所述文字生成模型包括卷积神经网络和判别器，所述训练模块，还用于：
基于所述第一特征表示和所述第四特征表示，进行基于信息的回归损失运算，获取所述文字生成模型的第一损失函数；
基于所述卷积神经网络提取到的中间层特征表示，进行感知损失运算，获取所述文字生成模型的第二损失函数；
基于所述判别器对所述第一特征表示和所述第四特征表示的判别损失运算，获取所述文字生成模型的第三损失函数；
基于所述第一损失函数、所述第二损失函数和所述第三损失函数确定所述文字生成模型的损失函数。
15.根据权利要求12或14所述的装置，其中，获取所述N个组成元素以及所述N个组成元素的分割标签的过程，包括：
将所述样本文字输入语义分割网络，获取所述N个组成元素以及所述N个组成元素的分割标签；或
将所述样本文字发送给标注设备，并接收由所述标注设备发送的所述N个组成元素以及所述N个组成元素的分割标签。
16.一种文字生成装置，包括：
文字生成模块，用于将第一字体下的待生成文字输入到目标文字生成模型中进行文字生成，输出所述待生成文字对应的第二字体下的目标文字，所述目标文字生成模型根据如权利要求9-15中任一项的所述训练装置得到。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法或根据如权利要求8所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法或根据如权利要求8所述的方法。
19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述方法的步骤或根据如权利要求8所述方法的步骤。
CN202210777263.8A 2022-06-30 2022-06-30 文字生成模型的训练方法、文字生成方法及其装置 Active CN115147850B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210777263.8A CN115147850B (zh) 2022-06-30 2022-06-30 文字生成模型的训练方法、文字生成方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210777263.8A CN115147850B (zh) 2022-06-30 2022-06-30 文字生成模型的训练方法、文字生成方法及其装置

Publications (2)

Publication Number Publication Date
CN115147850A true CN115147850A (zh) 2022-10-04
CN115147850B CN115147850B (zh) 2023-05-05

Family

ID=83409484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210777263.8A Active CN115147850B (zh) 2022-06-30 2022-06-30 文字生成模型的训练方法、文字生成方法及其装置

Country Status (1)

Country Link
CN (1) CN115147850B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792854A (zh) * 2021-09-09 2021-12-14 北京百度网讯科技有限公司 一种模型训练及字库建立方法、装置、设备及存储介质
CN114139495A (zh) * 2021-11-29 2022-03-04 合肥高维数据技术有限公司 基于自适应生成对抗网络的中文字体风格迁移方法
CN114330237A (zh) * 2021-12-31 2022-04-12 湘潭大学 一种基于嵌套编-解码网络的中文字体生成方法及系统
US20220148239A1 (en) * 2021-09-09 2022-05-12 Beijing Baidu Netcom Science Technology Co., Ltd. Model training method and apparatus, font library establishment method and apparatus, device and storage medium
CN114626335A (zh) * 2022-02-17 2022-06-14 腾讯科技（深圳）有限公司 文字生成方法、网络训练方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792854A (zh) * 2021-09-09 2021-12-14 北京百度网讯科技有限公司 一种模型训练及字库建立方法、装置、设备及存储介质
US20220148239A1 (en) * 2021-09-09 2022-05-12 Beijing Baidu Netcom Science Technology Co., Ltd. Model training method and apparatus, font library establishment method and apparatus, device and storage medium
CN114139495A (zh) * 2021-11-29 2022-03-04 合肥高维数据技术有限公司 基于自适应生成对抗网络的中文字体风格迁移方法
CN114330237A (zh) * 2021-12-31 2022-04-12 湘潭大学 一种基于嵌套编-解码网络的中文字体生成方法及系统
CN114626335A (zh) * 2022-02-17 2022-06-14 腾讯科技（深圳）有限公司 文字生成方法、网络训练方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115147850B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN113657390B (zh) 文本检测模型的训练方法和检测文本方法、装置和设备
CN115063875B (zh) 模型训练方法、图像处理方法、装置和电子设备
CN114863437B (zh) 文本识别方法、装置、电子设备和存储介质
EP3961584A2 (en) Character recognition method, model training method, related apparatus and electronic device
CN113901909B (zh) 基于视频的目标检测方法、装置、电子设备和存储介质
CN114820871B (zh) 字体生成方法、模型的训练方法、装置、设备和介质
CN114429637B (zh) 一种文档分类方法、装置、设备及存储介质
CN112989970A (zh) 文档版面分析方法、装置、电子设备及可读存储介质
CN114494784A (zh) 深度学习模型的训练方法、图像处理方法和对象识别方法
CN113657395B (zh) 文本识别方法、视觉特征提取模型的训练方法及装置
CN113177449B (zh) 人脸识别的方法、装置、计算机设备及存储介质
CN116363261A (zh) 图像编辑模型的训练方法、图像编辑方法和装置
CN116152833B (zh) 基于图像的表格还原模型的训练方法及表格还原方法
CN113591566A (zh) 图像识别模型的训练方法、装置、电子设备和存储介质
CN112580666A (zh) 图像特征的提取方法、训练方法、装置、电子设备及介质
CN114218889A (zh) 文档处理及文档模型的训练方法、装置、设备和存储介质
CN112561879A (zh) 模糊度评价模型训练方法、图像模糊度评价方法及装置
JP2023543964A (ja) 画像処理方法、画像処理装置、電子機器、記憶媒体およびコンピュータプログラム
CN113255501A (zh) 生成表格识别模型的方法、设备、介质及程序产品
CN113378921A (zh) 数据筛选方法、装置及电子设备
CN110738261B (zh) 图像分类和模型训练方法、装置、电子设备及存储介质
US20230115765A1 (en) Method and apparatus of transferring image, and method and apparatus of training image transfer model
CN114913339B (zh) 特征图提取模型的训练方法和装置
CN116611491A (zh) 目标检测模型的训练方法、装置、电子设备和存储介质
CN112560848B (zh) 兴趣点poi预训练模型的训练方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant