[发明专利]一种字体转换的方法、装置、设备及计算机可读存储介质

权利要求书

1.一种字体转换的方法，其特征在于，包括：

预先根据标准字体图片集和多个目标字体图片集训练得到深度学习模型，并在训练过程中分别为各所述目标字体的目标字符嵌入与各所述目标字体唯一对应的风格嵌入块；其中，各所述目标字体的目标字符包括的字符嵌入块相同；

获取标准字体文字图片；

将所述标准字体文字图片输入所述深度学习模型，得到目标字体文字图片；

其中，所述深度学习模型具体为cGAN网络模型；

所述根据标准字体图片集和目标字体图片集训练得到深度学习模型，并在训练过程中分别为各目标字体的目标字符嵌入与各所述目标字体唯一对应的风格嵌入块，具体包括：

将所述标准字体图片集和所述目标字体图片集进行加工得到加标签的二进制训练数据；

确定生成器、判别器、用于嵌入所述风格嵌入块的第一编码器和用于计算损失值的第二编码器，构建原始cGAN网络模型；

利用所述二进制训练数据训练所述原始cGAN网络模型，并根据转换结果和所述损失值调整参数，直至所述损失值达到第一预设条件，确定所述cGAN网络模型。

2.根据权利要求1所述的方法，其特征在于，所述获取标准字体文字图片，具体包括：

预先训练得到用于识别初始文字的卷积神经网络模型；

接收输入的初始文字图片，将所述初始文字图片输入所述卷积神经网络模型得到所述标准字体文字图片。

3.根据权利要求2所述的方法，其特征在于，所述预先训练得到用于识别初始文字的卷积神经网络模型，具体包括：

确定常用汉字图片集以及每个汉字对应的编号，生成用于训练的数据集；

确定卷积神经网络的输入层、卷积层、下采样层和输出层；

通过所述数据集训练所述卷积神经网络，直至训练参数达到第二预设条件，确定所述卷积神经网络模型。

4.根据权利要求2所述的方法，其特征在于，所述将所述初始文字图片输入所述卷积神经网络模型得到所述标准字体文字图片，具体包括：

将所述初始文字图片输入所述卷积神经网络模型，得到文字编号；

根据预设的对应关系，获取并输出与所述文字编号对应的标准字体文字图片。

5.一种字体转换的装置，其特征在于，包括：

第一训练单元，用于预先根据标准字体图片集和目标字体图片集训练得到深度学习模型，并在训练过程中分别为各所述目标字体的目标字符嵌入与各所述目标字体唯一对应的风格嵌入块；其中，各所述目标字体的目标字符包括的字符嵌入块相同；

第一转换单元，用于获取标准字体文字图片，将所述标准字体文字图片输入所述深度学习模型，得到目标字体文字图片；

其中，所述深度学习模型具体为cGAN网络模型；

所述根据标准字体图片集和目标字体图片集训练得到深度学习模型，并在训练过程中分别为各目标字体的目标字符嵌入与各所述目标字体唯一对应的风格嵌入块，具体包括：

将所述标准字体图片集和所述目标字体图片集进行加工得到加标签的二进制训练数据；

确定生成器、判别器、用于嵌入风格嵌入块的第一编码器和用于计算损失值的第二编码器，构建原始cGAN网络模型；

利用所述二进制训练数据训练所述原始cGAN网络模型，并根据转换结果和所述损失值调整参数，直至所述损失值达到第一预设条件，确定所述cGAN网络模型。

6.根据权利要求5所述的装置，其特征在于，还包括：

第二训练单元，用于预先训练得到用于识别初始文字的卷积神经网络模型；

第二转换单元，用于接收输入的初始文字图片，将所述初始文字图片输入所述卷积神经网络模型得到所述标准字体文字图片。

7.一种字体转换的设备，其特征在于，包括：

存储器，用于存储指令，所述指令包括权利要求1至4任意一项所述字体转换的方法的步骤；

处理器，用于执行所述指令。

8.一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如权利要求1至4任意一项所述字体转换的方法的步骤。