[发明专利]训练对抗网络模型的方法、建立字库的方法、装置和设备

说明书

本公开披露了一种训练对抗网络模型的方法，涉及工智能领域，具体涉及计算机视觉和深度学习技术，可用于图像处理和图像识别场景下。具体实现方案为：对抗网络模型包括生成模型和判别模型，训练对抗网络模型的方法包括：使用生成模型基于具有笔锋和线条的笔锋字样本和具有线条的线条字样本来生成新字；使用判别模型来鉴别所生成的新字的真实性；基于生成模型所生成的新字以及判别模型的鉴别结果来计算基本损失；根据线条字样本与新字之间的线条轨迹一致性，来计算轨迹一致损失；根据基本损失和轨迹一致损失来调整上述生成模型的参数。本公开还公开了一种训练对抗网络模型的装置、建立字库的方法和装置、电子设备和存储介质。

技术领域

本公开涉及工智能领域，具体涉及计算机视觉和深度学习技术，可用于图像处理和图像识别场景下，特别涉及一种训练对抗网络模型的方法、建立字库的方法、装置、电子设备和存储介质。

背景技术

随着深度学习技术的进步，对抗网络在图像处理中得到广泛应用。通常基于对抗网络的图像处理都是应用在具有复杂内容的彩色图像上，例如照片、相册等等，无法针对文字图像实现高效、准确的处理。

发明内容

本公开提供了一种训练对抗网络模型的方法、装置、设备以及存储介质。

根据第一方面，提供了一种训练对抗网络模型的方法，上述对抗网络模型包括生成模型和判别模型，上述方法包括：使用生成模型基于具有笔锋和线条的笔锋字样本和具有线条的线条字样本来生成新字；使用判别模型来鉴别所生成的新字的真实性；基于生成模型所生成的新字以及上述判别模型的鉴别结果来计算基本损失；根据线条字样本与新字之间的线条轨迹一致性，来计算轨迹一致损失；根据上述基本损失和上述轨迹一致损失来调整上述生成模型的参数。

根据第二方面，提供了一种建立字库的方法，该方法包括：使用对抗网络模型基于具有笔锋和线条的笔锋字和具有线条的线条字来生成风格字，其中上述对抗网络模型是根据上述的方法来训练的；以及基于所生成的风格字来建立字库。

根据第三方面，提供了一种训练对抗网络模型的装置，上述对抗网络模型包括生成模型和判别模型，上述装置包括：生成模块，用于使用生成模型基于具有笔锋和线条的笔锋字样本和具有线条的线条字样本来生成新字；鉴别模块，用于使用判别模型来鉴别所生成的新字的真实性；基本损失计算模块，用于基于生成模型所生成的新字以及上述判别模型的鉴别结果来计算基本损失；轨迹一致损失计算模块，用于根据线条字样本与新字之间的线条轨迹一致性，来计算轨迹一致损失；调整模块，用于根据上述基本损失和上述轨迹一致损失来调整上述生成模型的参数。

根据第四方面，提供了一种建立字库的装置，该装置包括：产生模块，用于使用对抗网络模型基于具有笔锋和线条的笔锋字和具有线条的线条字来生成风格字，其中上述对抗网络模型是根据上述的方法来训练的；以及建立模块，用于基于所生成的风格字来建立字库。

根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述的方法。

根据第六方面，提供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，上述计算机指令用于使上述计算机执行上述的方法。

根据第七方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现上述的方法。

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是根据本公开的一个实施例的可以应用训练对抗网络模型的方法和/或建立字库的方法的示例性系统架构示意图；