[发明专利]字符类型转换方法和装置

权利要求书

1.一种字符类型转换方法，其特征在于，包括：

接收待处理的目标字符；

将所述目标字符输入字符类型转换模型，确定所述目标字符的初始类型，其中，所述初始类型为手写体和印刷体中的任一种；

输出对立类型的所述目标字符，其中，所述对立类型为与所述初始类型相反的类型。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标字符输入字符类型转换模型的步骤之前，所述方法还包括：

获取预设数量的训练字符的手写体样本数据和印刷体样本数据；

将每个所述训练字符的手写体样本数据和印刷体样本数据均对应输入神经网络，训练得到所述字符类型转换模型。

3.根据权利要求2所述的方法，其特征在于，所述将每个所述训练字符的手写体样本数据和印刷体样本数据均对应输入神经网络，训练得到所述字符类型转换模型的步骤，包括：

将所述训练字符的手写体样本数据和印刷体样本数据均对应输入神经网络，提取手写体样本数据的手写体特征和印刷体样本数据的印刷体特征；

将所述手写体特征和印刷体特征输入神经网络；

将印刷体的训练字符转换为手写体的模拟字符，以及，将手写体的测试字符转换为印刷体的模拟字符；

确定所述手写体的模拟字符与所述手写体的训练字符的近似程度值，以及，所述印刷体的模拟字符与所述印刷体的训练字符的近似程度值；

抽取第一生成器和第二生成器的内隐含层的特征数据，得到漏洞损失值；

利用所述漏洞损失值调整补偿所述神经网络，得到所述字符类型转换模型。

4.根据权利要求3所述的方法，其特征在于，所述神经网络为Cycle GAN；

所述将印刷体的训练字符转换为手写体的模拟字符，以及，将手写体的测试字符转换为印刷体的模拟字符的步骤，包括：

利用所述Cycle GAN的第一生成器，将印刷体的训练字符转换为手写体的模拟字符，以及，利用所述Cycle GAN的第二生成器，将手写体的模拟字符转换为印刷体的二次模拟字符；以及，

所述确定所述手写体的模拟字符与所述训练字符的手写体的近似程度值，以及，所述印刷体的模拟字符与所述训练字符的印刷体的近似程度值

利用所述Cycle GAN的第一判别器，判断所述手写体的模拟字符与所述手写体的训练字符的近似程度值，以及，利用所述Cycle GAN的第二判别器，判断所述印刷体的二次模拟字符与所述印刷体的训练字符的近似程度值。

5.根据权利要求4所述的方法，其特征在于，所述利用所述Cycle GAN的第一生成器，将印刷体的训练字符转换为手写体的模拟字符的步骤，包括：

使用U形网络，对印刷体的所述训练字符进行下采样，得到第一特征层；

对所述第一特征层进行上采样，得到第二特征层；

将所述第一特征层的特征层信息输入到所述第二特征层的相同层级的特征信息中，得到手写体的模拟字符。

6.根据权利要求2至5中任一项所述的方法，其特征在于，所述获取预设数量的训练字符的手写体样本数据和印刷体样本数据的步骤，包括：

获取初始数量的训练字符的手写体样本数据和印刷体样本数据；

对至少部分训练字符的手写体样本数据和印刷体样本数据进行几何变换，得到所述预设数量的训练字符的手写体样本数据和印刷体样本数据，其中，所述预设数量大于所述初始数量。

7.根据权利要求6所述的方法，其特征在于，所述对至少部分训练字符的手写体样本数据和印刷体样本数据进行几何变换，得到所述预设数量的训练字符的手写体样本数据和印刷体样本数据的步骤之后所述方法还，包括：

对全部所述训练字符的手写体样本数据和印刷体样本数据进行二值化处理；

剔除灰度值小于预设阈值的样本数据。

8.根据权利要求7所述的方法，其特征在于，所述几何变换包括：平移变换、旋转变换、缩放变换中的至少一种。