[发明专利]一种文本编辑图像方法、存储介质、电子设备及系统在审

专利信息
申请号: 202110275765.6 申请日: 2021-03-15
公开(公告)号: CN113158630A 公开(公告)日: 2021-07-23
发明(设计)人: 胡伏原;赵柳清;李林燕;冯雨晴;尚欣茹 申请(专利权)人: 苏州科技大学;苏州佳图智绘信息技术有限公司
主分类号: G06F40/166 分类号: G06F40/166;G06T11/60;G06K9/46;G06N3/04;G06N3/08
代理公司: 苏州睿昊知识产权代理事务所(普通合伙) 32277 代理人: 马小慧
地址: 215009 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 文本编辑 图像 方法 存储 介质 电子设备 系统
【权利要求书】:

1.一种文本编辑图像方法,其特征在于,包括以下步骤:

S1、将原始图像和原始图像的第一文本描述信息送入通道注意力模块进行关联,然后送入生成器,生成与文本相关的第一图像,将所述第一图像和第一文本描述信息送入鉴别器进行鉴别;

S2、将所述第一图像和原始图像的第二文本描述信息送入通道注意力模块进行关联,然后送入生成器,生成与文本相关的第二图像,将所述第二图像和第二文本描述信息送入鉴别器进行鉴别;

S3、利用步骤S1和S2得到的鉴别信息构建循环一致性损失函数,并经过多次迭代对生成器进行训练,得到优化后的生成器。

2.如权利要求1所述的文本编辑图像方法,其特征在于,所述将原始图像和原始图像的第一文本描述信息送入通道注意力模块进行关联,包括:提取原始图像的全局特征,提取原始图像的局部特征,将第一文本描述信息编码为词向量,加强文本与图形中的特征区域之间的关联。

3.如权利要求2所述的文本编辑图像方法,其特征在于,所述提取原始图像的全局特征,提取原始图像的局部特征,将第一文本描述信息编码为词向量,加强文本与图形中的特征区域之间的关联,包括:利用VGG-16网络提取原始图像的全局特征,利用Inception-V3网络提取原始图像的局部特征,利用RNN网络将第一文本描述信息编码为词向量,并利用SFA函数加强文本与图形中的特征区域之间的关联。

4.如权利要求1所述的文本编辑图像方法,其特征在于,构建的循环一致性损失函数如下:

其中,I表示原始图像的图像信息,S表示原始图像的第一文本描述信息,I′表示第一图像,S′表示原始图像的第二文本描述信息,D表示鉴别器,G表示生成器。

5.如权利要求1所述的文本编辑图像方法,其特征在于,所述鉴别器为单词级鉴别器。

6.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行如权利要求1-5任意一项所述的文本编辑图像方法。

7.一种电子设备,其特征在于,包括:一个或多个处理器,存储器以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述如权利要求1-5任意一项所述的文本编辑图像方法。

8.一种文本编辑图像系统,其特征在于,包括通道注意力模块、生成器、鉴别器、循环一致性损失函数构建模块;

所述通道注意力模块用于将原始图像和原始图像的第一文本描述信息进行关联;

所述生成器用于生成与文本相关的第一图像;

所述鉴别器用于对第一图像和第一文本描述信息进行鉴别;

通道注意力模块还用于将所述第一图像和原始图像的第二文本描述信息进行关联;

所述生成器还用于生成与文本相关的第二图像;

所述鉴别器还用于对所述第二图像和第二文本描述信息进行鉴别;

所述循环一致性损失函数构建模块用于利用鉴别信息构建循环一致性损失函数,并经过多次迭代对生成器进行训练,得到优化后的生成器。

9.如权利要求8所述的文本编辑图像系统,其特征在于,所述通道注意力模块用于将原始图像和原始图像的第一文本描述信息进行关联,包括:利用VGG-16网络提取原始图像的全局特征,利用Inception-V3网络提取原始图像的局部特征,利用RNN网络将第一文本描述信息编码为词向量,并利用SFA函数加强文本与图形中的特征区域之间的关联。

10.如权利要求8所述的文本编辑图像系统,其特征在于,构建的循环一致性损失函数如下:

其中,I表示原始图像的图像信息,S表示原始图像的第一文本描述信息,I′表示第一图像,S′表示原始图像的第二文本描述信息,D表示鉴别器,G表示生成器。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州科技大学;苏州佳图智绘信息技术有限公司,未经苏州科技大学;苏州佳图智绘信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110275765.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top