[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

说明书

本发明公开了一种字体转换的方法，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目标字体的目标字符设置与各目标字体唯一对应的风格嵌入块，即各目标字符除了拥有相同的字符嵌入块外，各自还具有唯一的风格嵌入块，由此训练得到的深度学习模型在进行字体转换时，可以基于不同的风格嵌入块，输出不同的目标字体。进一步通过训练得到的深度学习模型将标准字体图片转换为目标字体文字图片，可以得到多种目标字体的文字图片。通过本发明提供的方法，提高了训练多种字体的模型的效率以及深度学习模型转换新字体的效率。本发明还提供一种字体转换的装置、设备及计算机可读存储介质，具有上述有益效果。

技术领域

本发明涉及图像识别与处理领域，特别是涉及一种字体转换的方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机字体类型的增加，手写字体逐渐加入计算机字库中，一些名人的字体受到不少用户的追捧。计算机字库字库中每增加一种新的字体，都需要根据该字体的图片进行学习训练转换模型。现有技术中采用训练深度学习模型的方式学习一种新字体，并将这种新字体增加入库。但是在实际应用中，只生成一种风格的字体往往是不够的，而训练学习生成模型耗时较长，每生成一种新的风格的字体都需要重新制作训练集和重新训练，则会耗费更多的时间。

因此，如何提高生成新字体的训练转换效率，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种字体转换的方法、装置、设备及计算机可读存储介质，用于提高生成新字体的训练转换效率。

为解决上述技术问题，本发明提供一种字体转换的方法，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。

可选地，所述深度学习模型具体为cGAN网络模型。

可选地，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。

可选地，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。

可选地，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。

可选地，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：