[发明专利]一种图像的排版方法、装置、介质及电子设备

说明书

本申请实施例公开了一种图像的排版方法、装置、介质及电子设备。该方法包括：获取构成目标图像的图像数据，并根据所述图像数据确定至少一个排版图层；根据所述排版图层的初始位置拼接得到初始的图像状态，输入至强化学习模型，得到目标图像的目标图层以及目标图层的移动步长；将所述目标图层按照目标图层的移动步长进行移动，并将移动后的图像状态输入至评分网络模型；若评分网络模型的输出评分结果符合预设标准，则将当前图像状态确定为图像的排版结果。通过运行本申请所提供的技术方案，可以通过机器学习的手段对图像进行自动排版，以达到节省对图像排版和审核过程中节省人力成本的效果。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种图像的排版方法、装置、介质及电子设备。

背景技术

随着科技的迅速发展，各种功能的图像是对信息最直观的展示方式，因此图像的布局被工作人员看得尤为重要。

以海报为例，在设计过程中，排版的问题一直是对于设计人员在制作过程中耗时最大的工作。为了凸显图像的主题，并且让图像的内容更具有可读性，设计人员往往需要对形成海报的各个元素的大小、位置以及其他参数进行精确的设计。而目前已有的做法是采用一种智能排版方式，即设定好排版规则，如图像中各个元素之间不能够堆叠，所有元素在图像的固定范围内显示，等等。然而经过这种智能排版之后，仍然需要由设计人员来进行审核。这就造成了对于海报等图像的设计耗费较多的人力成本的问题。

发明内容

本申请实施例提供一种图像的排版方法、装置、介质及电子设备，可以通过机器学习的手段对图像进行自动排版，以达到节省对图像排版和审核过程中节省人力成本的效果。

第一方面，本申请实施例提供了一种图像的排版方法，该方法包括：

获取构成目标图像的图像数据，并根据所述图像数据确定至少一个排版图层；

根据所述排版图层的初始位置拼接得到初始的图像状态，输入至强化学习模型，得到目标图像的目标图层以及目标图层的移动步长；

将所述目标图层按照目标图层的移动步长进行移动，并将移动后的图像状态输入至评分网络模型；

若评分网络模型的输出评分结果符合预设标准，则将当前图像状态确定为图像的排版结果。

可选的，在将移动后的图像状态输入至评分网络模型之后，所述方法还包括：

若评分网络模型的输出评分结果不符合预设标准，则将当前图像状态返回值强化学习模型，得到由强化学习模型确定的下一图像状态，并重新进行评分。

可选的，所述评分网络模型的训练过程包括：

采集样本图像，并获取样本图像的标准分数，作为样本图像的分数标签；

对所述样本图像进行图像数据的排版图层提取；

根据所述样本图像排版图层的当前位置确定样本图像的当前状态，并将当前状态以及样本图像的分数标签输入至评分网络模型；

根据所述评分网络模型的输出结果与样本图像的分数标签之间的关系，对所述评分网络模型进行有监督训练。

可选的，根据所述评分网络模型的输出结果与样本图像的分数标签之间的关系，对所述评分网络模型进行有监督训练，包括：

根据样本图像的分数标签，确定所述评分网络模型的训练终止条件；

若所述评分网络模型的输出结果符合所述训练终止条件，则结束对评分网络模型的训练；

若所述评分网络模型的输出结果不符合所述训练终止条件，则将样本图像的当前状态输入至强化学习模型，得到样本图像的下一状态；